LASSO-VAR اور جذباتی ڈیٹا سے کرپٹو منافع کی پیش گوئی

خلاصہ

یہ مقالہ جانچتا ہے کہ آیا سوشل میڈیا کے جذبات اور توجہ کے پیمانے دس کرپٹو کرنسیوں کے روزانہ لاگ منافع کی پیش گوئی میں مدد دے سکتے ہیں۔ پیش گوؤں میں Twitter اور Reddit کے جذبات، Google Trends اشاریے اور ٹریڈنگ حجم شامل ہیں۔ پیش گوئی کا طریقہ LASSO سے منضبط ویکٹر خود بازگشت ہے، جسے جنوری 2018 سے جنوری 2022 تک روزانہ مشاہدات پر مسلسل 30 روزہ پیش گوئی سے جانچا گیا۔ مطالعہ پیش گوئیوں کا معیارات سے موازنہ بھی کرتا ہے اور بلند جہتی VARs میں Granger سببیت کے تجزیے کے لیے بعد از دوہرا LASSO طریقۂ کار لاگو کرتا ہے۔

رپورٹ کردہ سمتی درستگی 50% سے زیادہ ہے، اور اوسط سمتی درستگی اہم معیارات کے مقابلے میں 10% بہتر ہوتی ہے۔ جذبات اور توجہ شامل کرنے سے سمتی درستگی بہتر ہوتی ہے، مگر جذرِ اوسط مربعاتی خطا نہیں۔ سببیت کے تجزیے میں اس بات کا کوئی ثبوت نہیں ملتا کہ سوشل میڈیا جذبات Granger سببیت کے ذریعے کرپٹو کرنسی کے منافع پر اثر انداز ہوتے ہیں۔ نتائج سے اشارہ ملتا ہے کہ جذبات اور توجہ سمت کی پیش گوئی میں مدد دے سکتے ہیں، مگر خطا کی مقدار بہتر نہیں کرتے اور نہ ہی سببی تعلق ثابت کرتے ہیں۔ اقتباس معیارات کے نام نہیں بتاتا، اور مضبوطی، لین دین کے اخراجات یا نمونے سے باہر نفاذ کی مزید تفصیل نہیں دیتا۔

اہم خیالات

• مطالعہ روزانہ ڈیٹا سے دس کرپٹو کرنسیوں کے منافع کی پیش گوئی کے لیے LASSO-VAR ماڈلز استعمال کرتا ہے۔
• Twitter اور Reddit کے جذبات، Google Trends اور ٹریڈنگ حجم پیش گوؤں میں شامل ہیں۔
• جذبات اور توجہ بیان کردہ معیارات کے مقابلے میں اوسط سمتی درستگی بہتر کرتے ہیں، مگر جذرِ اوسط مربعاتی خطا نہیں۔
• رپورٹ کردہ Granger سببیت کے تجزیے میں سوشل میڈیا کے رجحان اور کرپٹو کرنسی کے منافع کے درمیان کوئی سببی پیش گوئی کا تعلق نہیں ملا۔
• اقتباس ٹریڈنگ اخراجات کی تعدیل یا نفاذ کے نتائج بیان نہیں کرتا۔

ٹیگز

# 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

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۔