بٹ کوائن ڈیٹا اور سماجی اشاروں کو ٹریڈنگ میں ملانا

مضمون arXiv papers · مصنف: David Garcia et al.

خلاصہ

یہ مطالعہ الگورتھمک ٹریڈنگ کی تحقیق کے لیے بٹ کوائن کی مارکیٹ پیمائشوں کو سماجی اور رویّاتی اشاروں کے ساتھ ملاتا ہے۔ اس کے اِن پٹس میں ایکسچینج کی قیمت اور حجم، ٹیکنالوجی اپنانا اور بٹ کوائن ٹرانزیکشن کا حجم شامل ہیں، ساتھ ہی تلاش کی سرگرمی، زبانی چرچے کا حجم، ٹویٹس کا رجحان اور رائے کا قطبیت بھی شامل ہے۔ تجزیہ بٹ کوائن سے متعلق تین سال سے زیادہ کے ڈیٹا پر محیط ہے اور دیکھتا ہے کہ یہ اشارے قیمت کی حرکت سے کیسے وابستہ ہیں۔

مصنفین کے مطابق رائے کی بڑھتی ہوئی قطبیت اور ایکسچینج کا حجم بٹ کوائن کی قیمت میں اضافے سے پہلے آتے ہیں، جبکہ جذباتی قدر قطبیت میں تبدیلیوں اور ایکسچینج کے بڑھتے حجم سے پہلے آتی ہے۔ وہ ان تعلقات سے ٹریڈنگ اسٹریٹیجیز بناتے ہیں اور ایک سال سے کم مدت میں بلند منافع رپورٹ کرتے ہیں۔ وہ یہ بھی کہتے ہیں کہ شماریاتی جانچ میں خطرے اور ٹریڈنگ لاگت کا حساب رکھا گیا ہے۔ دستاویز میں اسٹریٹیجی کے عین قواعد، کارکردگی کے اعداد یا توثیق کی تفصیلات نہیں ہیں، اس لیے نتائج زیر مطالعہ نمونے میں اس طریقے کے حق میں ثبوت ہیں، اس بات کی ضمانت نہیں کہ سماجی اشارے آئندہ بھی پیش گوئی کرتے رہیں گے۔

اہم خیالات

تجزیہ بٹ کوائن کی مارکیٹ سرگرمی، اپنانے، ٹرانزیکشنز اور سماجی اشاروں کو ملاتا ہے۔
رائے کی قطبیت اور ایکسچینج کا حجم بٹ کوائن کی بڑھتی قیمت سے پہلے آنے کی اطلاع ہے۔
جذباتی قدر قطبیت اور ایکسچینج کے بڑھتے حجم سے پہلے آنے کی اطلاع ہے۔
مصنفین ان تعلقات سے اسٹریٹیجیز بناتے اور منافع بخش نتائج رپورٹ کرتے ہیں۔
بیان میں اسٹریٹیجی کے قواعد یا ان کے پائیدار ہونے کا آزادانہ جائزہ لینے کے لیے کافی تفصیل نہیں۔

ٹیگز

کرپٹو مارکیٹ کا مزاج مشین لرننگ بیک ٹیسٹنگ

مکمل متن

# Social signals and algorithmic trading of Bitcoin

The availability of data on digital traces is growing to unprecedented sizes, but inferring actionable knowledge from large-scale data is far from being trivial. This is especially important for computational finance, where digital traces of human behavior offer a great potential to drive trading strategies. We contribute to this by providing a consistent approach that integrates various datasources in the design of algorithmic traders. This allows us to derive insights into the principles behind the profitability of our trading strategies. We illustrate our approach through the analysis of Bitcoin, a cryptocurrency known for its large price fluctuations. In our analysis, we include economic signals of volume and price of exchange for USD, adoption of the Bitcoin technology, and transaction volume of Bitcoin. We add social signals related to information search, word of mouth volume, emotional valence, and opinion polarization as expressed in tweets related to Bitcoin for more than 3 years. Our analysis reveals that increases in opinion polarization and exchange volume precede rising Bitcoin prices, and that emotional valence precedes opinion polarization and rising exchange volumes. We apply these insights to design algorithmic trading strategies for Bitcoin, reaching very high profits in less than a year. We verify this high profitability with robust statistical methods that take into account risk and trading costs, confirming the long-standing hypothesis that trading based social media sentiment has the potential to yield positive returns on investment.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔