Kết hợp dữ liệu thị trường Bitcoin và tín hiệu xã hội trong giao dịch

Tóm tắt

Nghiên cứu này kết hợp các thước đo thị trường Bitcoin với tín hiệu xã hội và hành vi để tìm hiểu giao dịch thuật toán. Đầu vào gồm giá và khối lượng trên sàn, mức độ ứng dụng công nghệ và khối lượng giao dịch Bitcoin, cùng với hoạt động tìm kiếm, lượng truyền miệng, cảm xúc trong tweet và mức phân cực ý kiến. Phân tích bao quát hơn ba năm dữ liệu liên quan đến Bitcoin và xem xét mối liên hệ giữa các tín hiệu này với biến động giá.

Các tác giả cho biết mức phân cực ý kiến và khối lượng giao dịch trên sàn tăng thường đi trước đà tăng giá Bitcoin, trong khi sắc thái cảm xúc đi trước những thay đổi về mức phân cực và khối lượng giao dịch trên sàn tăng. Họ dùng các mối quan hệ này để xây dựng chiến lược giao dịch và báo cáo lợi nhuận cao trong chưa đầy một năm. Họ cũng cho biết các kiểm định thống kê có tính đến rủi ro và chi phí giao dịch. Tài liệu không nêu chính xác quy tắc chiến lược, số liệu hiệu suất hoặc chi tiết kiểm định, vì vậy kết quả là bằng chứng cho cách tiếp cận trong mẫu đã nghiên cứu, chứ không bảo đảm tín hiệu xã hội sẽ tiếp tục có khả năng dự đoán.

Ý chính

• Phân tích kết hợp hoạt động thị trường Bitcoin, mức độ ứng dụng, giao dịch và tín hiệu xã hội.
• Theo báo cáo, mức phân cực ý kiến và khối lượng giao dịch trên sàn tăng thường đi trước đà tăng giá Bitcoin.
• Theo báo cáo, sắc thái cảm xúc thường đi trước mức phân cực và khối lượng giao dịch trên sàn tăng.
• Các tác giả dùng những mối quan hệ này để xây dựng chiến lược và báo cáo kết quả có lãi.
• Mô tả thiếu thông tin để đánh giá độc lập các quy tắc chiến lược hoặc độ bền của chúng.

Thẻ

# Social signals and algorithmic trading of Bitcoin


# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.