Прогноз доходности криптовалют с помощью LASSO-VAR и данных о настроениях

Сводка

В статье оценивается, помогают ли показатели настроений и внимания в социальных сетях прогнозировать дневную логарифмическую доходность десяти криптовалют. Среди предикторов — настроения в Twitter и Reddit, индексы Google Trends и объём торгов. Метод прогнозирования — векторная авторегрессия с регуляризацией LASSO; оценка проводится с помощью рекурсивного прогноза на 30 дней по дневным наблюдениям с января 2018 по январь 2022. Исследование также сравнивает прогнозы с ориентирами и применяет процедуру post-double LASSO для анализа причинности по Грейнджеру в многомерных VAR-моделях.

Заявленная точность прогнозирования направления превышает 50%, а средняя точность направления улучшается на 10% относительно основных ориентиров. Добавление настроений и внимания повышает точность прогноза направления, но не снижает среднеквадратичную ошибку. Анализ причинности не выявил свидетельств того, что настроения в социальных сетях по Грейнджеру причинно предсказывают доходность криптовалют. Результаты показывают, что настроения и внимание могут улучшить прогнозы направления, не уменьшая ошибки прогноза величины и не устанавливая причинную связь. В отрывке не названы ориентиры и нет дополнительных сведений об устойчивости, транзакционных издержках или реализации вне выборки.

Ключевые идеи

• В исследовании модели LASSO-VAR используются для прогноза доходности десяти криптовалют по дневным данным.
• В качестве предикторов используются настроения в Twitter и Reddit, Google Trends и объём торгов.
• Настроения и внимание повышают среднюю точность прогноза направления относительно указанных ориентиров, но не улучшают среднеквадратичную ошибку.
• Анализ причинности по Грейнджеру не выявил причинного прогностического влияния настроений в социальных сетях на доходность криптовалют.
• В отрывке не описаны поправки на торговые издержки или результаты реализации.

Теги

# Forecasting Cryptocurrencies Log-Returns: a LASSO-VAR and Sentiment Approach


# Forecasting Cryptocurrencies Log-Returns: a LASSO-VAR and Sentiment Approach









Cryptocurrencies have become a trendy topic recently, primarily due to their disruptive potential and reports of unprecedented returns. In addition, academics increasingly acknowledge the predictive power of Social Media in many fields and, more specifically, for financial markets and economics. In this paper, we leverage the predictive power of Twitter and Reddit sentiment together with Google Trends indexes and volume to forecast the log returns of ten cryptocurrencies. Specifically, we consider $Bitcoin$, $Ethereum$, $Tether$, $Binance Coin$, $Litecoin$, $Enjin Coin$, $Horizen$, $Namecoin$, $Peercoin$, and $Feathercoin$. We evaluate the performance of LASSO-VAR using daily data from January 2018 to January 2022. In a 30 days recursive forecast, we can retrieve the correct direction of the actual series more than 50% of the time. We compare this result with the main benchmarks, and we see a 10% improvement in Mean Directional Accuracy (MDA). The use of sentiment and attention variables as predictors increase significantly the forecast accuracy in terms of MDA but not in terms of Root Mean Squared Errors. We perform a Granger causality test using a post-double LASSO selection for high-dimensional VARs. Results show no "causality" from Social Media sentiment to cryptocurrencies returns

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.