کرپٹو کرنسی کے ٹویٹر سگنلز، خبروں کی کوریج اور قیمتوں کی حرکیات

خلاصہ

یہ مقالہ جانچتا ہے کہ آیا کرپٹو کرنسی کے اثراندازوں اور خبروں کے اداروں کی ٹویٹر پوسٹس میں ظاہر کردہ ٹریڈنگ سگنلز مارکیٹ کی قیمتوں سے وابستہ ہیں۔ بڑے لسانی ماڈلز پوسٹس میں خرید اور خرید نہ کرنے کے سگنلز کی شناخت کرتے ہیں، جن کا نو بڑی کرپٹو کرنسیوں کی قیمتوں سے موازنہ کیا جاتا ہے۔ تجزیہ جمع شدہ سگنلز اور قیمت کی حرکت کے وقت اور تعلقات کو جانچنے کے لیے ویکٹر آٹو ریگریشن، Granger-causality ٹیسٹ اور کراس کوریلیشن استعمال کرتا ہے۔

نتائج کرپٹو کرنسیوں اور ادوار کے لحاظ سے مختلف ہیں، اور مقالہ یہ بھی بتاتا ہے کہ اثرانداز اور خبری ادارے اثاثوں کی کوریج میں مختلف ہیں۔ پوسٹس میں سب سے زیادہ ذکر ہونے والی تین کرپٹو کرنسیوں کے لیے، گزشتہ 24 گھنٹوں کے مجموعی سگنل سے قیمت کے اتار چڑھاؤ کی کم از کم چھ گھنٹے کے وقفے سے Granger-causality ظاہر ہوتی ہے۔ یہ مطالعے کے طریقے کے تحت وقتی پیش گوئی کے تعلق کا ثبوت ہے، یہ ثبوت نہیں کہ پوسٹس قیمتوں کا سبب بنتی ہیں یا سگنلز منافع بخش ٹریڈز پیدا کرتے ہیں۔ خلاصے میں ٹریڈنگ لاگت، عمل درآمد یا اسٹریٹیجی کے بیک ٹیسٹ کی تفصیل نہیں ہے۔

اہم خیالات

• بڑے لسانی ماڈلز کرپٹو اثراندازوں اور خبری اداروں کی ٹویٹر پوسٹس کو خرید یا خرید نہ کرنے کے سگنلز میں درجہ بند کرتے ہیں۔
• مطالعہ VAR، Granger-causality اور کراس کوریلیشن سے نو بڑی کرپٹو کرنسیوں کے سگنلز کو قیمتوں سے جوڑتا ہے۔
• نتائج اثاثوں اور زمانی ادوار کے لحاظ سے مختلف ہیں۔
• سب سے زیادہ ذکر شدہ تین کرپٹو کرنسیوں کے لیے، گزشتہ 24 گھنٹوں کے سگنلز سے کم از کم چھ گھنٹے کے وقفے سے قیمت کے اتار چڑھاؤ کی Granger-causality ظاہر ہوتی ہے۔
• تجزیہ اثراندازوں اور خبری اداروں کی کوریج میں فرق دکھاتا ہے، مگر ٹریڈنگ کے منافع کو ثابت نہیں کرتا۔

ٹیگز

# 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.

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۔