Сигналы в Twitter, освещение криптовалют и динамика цен

Сводка

В статье изучается связь торговых сигналов в публикациях криптовалютных инфлюенсеров и новостных изданий в Twitter с рыночными ценами. Большие языковые модели выявляют в публикациях сигналы на покупку и сигналы, не указывающие на покупку; затем их сопоставляют с ценами девяти крупных криптовалют. Для анализа временных зависимостей и связей между агрегированными сигналами и движениями цен используются векторная авторегрессия, тесты причинности по Грейнджеру и кросс-корреляция.

Результаты различаются для разных криптовалют и периодов; также сообщается о различиях в освещении активов инфлюенсерами и новостными изданиями. Для трёх криптовалют, чаще всего упоминаемых в публикациях, агрегированный сигнал за предыдущие 24 часов, согласно тесту Грейнджера, предшествует колебаниям цен с лагом не менее шести часов. В рамках подхода исследования это свидетельство временной прогнозной связи, но не доказательство того, что публикации вызывают движение цен или что сигналы позволяют прибыльно торговать. В описании нет сведений о торговых издержках, исполнении или бэктесте стратегии.

Ключевые идеи

• Большие языковые модели классифицируют публикации криптовалютных инфлюенсеров и новостных изданий в Twitter как сигналы на покупку или без такого сигнала.
• В исследовании обнаруженные сигналы сопоставляются с ценами девяти крупнейших криптовалют с помощью VAR, тестов причинности по Грейнджеру и анализа перекрёстной корреляции.
• Результаты различаются в зависимости от активов и периодов.
• Для трёх наиболее часто упоминаемых криптовалют сигналы за предыдущие 24 часов, согласно тесту Грейнджера, предшествуют колебаниям цен с лагом не менее шести часов.
• Анализ выявляет различия между освещением инфлюенсеров и новостных изданий, но не доказывает прибыльность торговли.

Теги

# Exploring Relationships Between Cryptocurrency News Outlets and Influencers' Twitter Activity and Market Prices


# Exploring Relationships Between Cryptocurrency News Outlets and Influencers' Twitter Activity and Market Prices









Academics increasingly acknowledge the predictive power of social media for a wide variety of events and, more specifically, for financial markets. Anecdotal and empirical findings show that cryptocurrencies are among the financial assets that have been affected by news and influencers' activities on Twitter. However, the extent to which Twitter crypto influencer's posts about trading signals and their effect on market prices is mostly unexplored. In this paper, we use LLMs to uncover buy and not-buy signals from influencers and news outlets' Twitter posts and use a VAR analysis with Granger Causality tests and cross-correlation analysis to understand how these trading signals are temporally correlated with the top nine major cryptocurrencies' prices. Overall, the results show a mixed pattern across cryptocurrencies and temporal periods. However, we found that for the top three cryptocurrencies with the highest presence within news and influencer posts, their aggregated LLM-detected trading signal over the preceding 24 hours granger-causes fluctuations in their market prices, exhibiting a lag of at least 6 hours. In addition, the results reveal fundamental differences in how influencers and news outlets cover cryptocurrencies.

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.