Dự báo lợi nhuận tiền mã hóa bằng LASSO-VAR và dữ liệu cảm xúc

Tóm tắt

Bài nghiên cứu đánh giá liệu các thước đo cảm xúc và mức độ chú ý trên mạng xã hội có thể giúp dự báo lợi nhuận logarit hằng ngày của mười loại tiền mã hóa hay không. Các biến dự báo gồm cảm xúc trên Twitter và Reddit, chỉ số Google Trends và khối lượng giao dịch. Phương pháp dự báo là hồi quy tự hồi quy vectơ được điều chuẩn bằng LASSO, đánh giá bằng dự báo cuốn chiếu 30 ngày trên dữ liệu quan sát hằng ngày từ tháng 1 năm 2018 đến tháng 1 năm 2022. Nghiên cứu cũng so sánh dự báo với các chuẩn và áp dụng quy trình LASSO kép sau đó để phân tích quan hệ nhân quả Granger trong các VAR nhiều chiều.

Độ chính xác dự báo hướng được báo cáo là trên 50%, còn độ chính xác hướng trung bình cải thiện 10% so với các chuẩn chính. Việc bổ sung cảm xúc và mức độ chú ý cải thiện độ chính xác dự báo hướng, nhưng không cải thiện căn bậc hai của sai số bình phương trung bình. Phân tích nhân quả không tìm thấy bằng chứng cho thấy cảm xúc trên mạng xã hội gây ra lợi nhuận tiền mã hóa theo nghĩa Granger. Những kết quả này gợi ý rằng cảm xúc và mức độ chú ý có thể hỗ trợ dự báo hướng mà không cải thiện sai số độ lớn hay xác lập quan hệ nhân quả. Đoạn trích không nêu tên các chuẩn hoặc cung cấp thêm chi tiết về độ vững, chi phí giao dịch hay triển khai ngoài mẫu.

Ý chính

• Nghiên cứu dùng mô hình LASSO-VAR để dự báo lợi nhuận của mười loại tiền mã hóa từ dữ liệu hằng ngày.
• Cảm xúc trên Twitter và Reddit, Google Trends cùng khối lượng được đưa vào làm biến dự báo.
• Cảm xúc và mức độ chú ý cải thiện độ chính xác hướng trung bình so với các chuẩn đã nêu, nhưng không cải thiện căn bậc hai của sai số bình phương trung bình.
• Phân tích quan hệ nhân quả Granger được báo cáo không tìm thấy mối liên hệ dự báo nhân quả từ cảm xúc mạng xã hội đến lợi nhuận tiền mã hóa.
• Đoạn trích không mô tả điều chỉnh theo chi phí giao dịch hay kết quả triển khai.

Thẻ

# 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

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.