Прогноз волатильности биткоина по сделкам, настроениям, поиску и хешрейту

Сводка

В исследовании проверяется, помогают ли данные помимо истории цен прогнозировать волатильность пары биткоин — доллар. Предлагаемая система CoMForE объединяет исторические данные о торговле с тональностью связанных твитов, объёмом поисковых запросов как мерой общественного интереса и данными о хешрейте блокчейна. Она использует ансамбль AdaBoost–LSTM и также нацелена на прогнозирование изменений распределения стоимости криптовалют; возможная область применения — инвестиционные решения.

В документе сообщается, что в экспериментах объединение этих источников данных показало лучшие результаты, чем использование только торговых данных; заявлено улучшение на 19.29% по сравнению с существующими методами прогнозирования. Не указаны период оценки, детали бенчмарков, горизонт прогноза и то, проверялось ли улучшение вне выборки при разных рыночных режимах. Из-за этих пробелов сложно оценить широту применимости результата и понять, сохранит ли модель полезность с учётом доступности данных и торговых издержек.

Ключевые идеи

• Модель объединяет историю рынка с тональностью твитов, поисковым интересом и хешрейтом блокчейна.
• CoMForE использует ансамбль AdaBoost–LSTM для прогнозирования волатильности криптовалют.
• Система также прогнозирует колебания распределения стоимости криптовалют.
• Согласно представленным экспериментам, мультимодальные входные данные лучше одних только торговых данных.
• В кратком описании не хватает сведений об оценке, чтобы судить об устойчивости и практической ценности для торговли.

Теги

# Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility


# Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility









Since Bitcoin first appeared on the scene in 2009, cryptocurrencies have become a worldwide phenomenon as important decentralized financial assets. Their decentralized nature, however, leads to notable volatility against traditional fiat currencies, making the task of accurately forecasting the crypto-fiat exchange rate complex. This study examines the various independent factors that affect the volatility of the Bitcoin-Dollar exchange rate. To this end, we propose CoMForE, a multimodal AdaBoost-LSTM ensemble model, which not only utilizes historical trading data but also incorporates public sentiments from related tweets, public interest demonstrated by search volumes, and blockchain hash-rate data. Our developed model goes a step further by predicting fluctuations in the overall cryptocurrency value distribution, thus increasing its value for investment decision-making. We have subjected this method to extensive testing via comprehensive experiments, thereby validating the importance of multimodal combination over exclusive reliance on trading data. Further experiments show that our method significantly surpasses existing forecasting tools and methodologies, demonstrating a 19.29% improvement. This result underscores the influence of external independent factors on cryptocurrency volatility.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.