知识库

本研究检验美联储沟通是否能为联邦基金利率决策预测提供有用信息。研究比较了仅使用经济指标、仅使用文本特征以及结合两者的模型，涵盖传统机器学习、基于Transformer的语言特征和深度学习方法。…

本研究检验大型语言模型能否利用公司新闻改进横截面动量策略。研究结合S&P 500成分股的日收益和高频新闻，并提示ChatGPT判断近期新闻是否支持个股过去表现的延续。生成的评分会影响哪些股票纳入投资组合以及头寸权重如何分配。…

WebCryptoAgent是一种短周期加密货币交易框架，结合网络内容、社交情绪和OHLCV市场数据。该框架分配专门处理不同模态的智能体来分析各类信息来源，再将其评估结果汇总为证据文档，以支持置信度校准后的决策。其设计旨在减少由噪声或虚假相关性驱动的决策。…

本研究使用包含 18 百万笔 Mt. Gox 交易的数据集，考察比特币洗售交易如何随市场状况变化。报告称，当正常交易量较低时，洗售交易增加；正常交易量较高时，洗售交易减少，这与操纵者选择较清淡时段以提高其活动影响力的情况一致。分析还描述了这种活动向其他平台扩散，并随着股票或黄金交易增加而减少。…

论文使用进化优化，根据金融情绪数据计算基于规则的交易策略。情绪信号反映在线交易社区对个股的看涨或看跌观点，数据来源为StockTwits。作者报告了道琼斯工业平均指数成分股的数值结果，并将其方法与经典的风险收益投资组合选择方法进行比较。 这项研究方法将社交媒体情绪与进化搜索结合，并进行投资组合选择比较。摘录未说明交易规则、优化设计、研究期间、交易成本或具体结果。缺少这些细节，无法评估策略能否推广、是否计入实施成本，或风险调整后表现是否更优。证据仅限于所述分析和比较。

本研究为大规模城市住房市场基于智能体的模型提出一种基于图的空间组件。该模型表示社会和经济特征如何影响不同地点的买卖决策，包括错失恐惧、跟随趋势的倾向，以及智能体在子市场中活动的范围。该方法旨在捕捉侧重整体市场汇总数据的模型可能遗漏的空间关系。…

这项初步研究探讨能否结合市场情绪与技术分析来预测比特币价格走势。情绪输入为恐惧与贪婪指数，并与技术指标和机器学习算法一同使用。研究的动机是，情绪已被认为与价格波动有关，而将情绪指标与技术指标结合起来的研究较少。作者报告称，初步实验产生了可观的投资回报，并超过买入并持有基准。所提供的描述未指出算法、指标、数据时期、验证流程或风险调整后结果。因此，它提供的是一个研究方向和初步表现主张，细节不足以判断稳健性、复现策略，或确定结果能否推广到实验之外。

本研究采用事件研究法，考察 SEC 宣布将加密资产认定为证券后，对明确列出的资产收益和交易量产生的影响。研究报告称，公告后资产收益大幅为负，且跌势持续时间超过紧邻事件的窗口期。分析还考察了市场情绪以及资产规模、存续时间、波动率和非流动性等特征是否会影响市场反应。…

本研究考察每日推特情绪能否帮助预测股票收益并支持交易决策。研究结合机器学习评估情绪信号，并使用强化学习，具体来说是Q学习，根据该信号推导交易策略。 报告结果表明，对于股价反映未来增长预期的公司，以及在引发公众关注的重大事件前后，情绪的预测能力更强。报告称，Q学习策略优于基于机器学习预测的策略。文章没有提供样本细节、表现数据、交易成本分析或策略验证方式，因此仅凭这段描述无法评估结果的可靠性和现实适用性。

本研究考察与比特币交易活动相关的因素，包括网络搜索热度、无关股票市场的交易量，以及相关财经新闻中的情绪，这些因素可能影响比特币交易量。摘录报告称，搜索热度越高，比特币交易量越大；无关股票市场的活动则与比特币交易量呈负相关。 研究人员没有发现统计证据表明相关财经新闻的情绪会影响比特币交易量。这些是研究报告的发现，并非对加密市场活动的完整因果解释。摘录没有说明数据时期、模型设计、控制变量或稳健性检验，因此难以判断这些关系在不同时间或市场中是否稳定。文章将这项分析作为可能推动进一步研究的初步贡献。

本研究检验句子级上下文是否能改进用于构建系统化资产定价因子的新闻主题模型。研究比较了潜在狄利克雷分配与冻结的句子转换器加k均值聚类方法，两者使用同一批394,661篇文章和后续投资组合构建流程。两种方法在使用多少文章文本以及如何为主题词排序方面也有所不同。…

研究将比特币的价值视为源自多种信息特征及其相互作用，包括去中心化、共识信任、密码学排序和社会叙事。研究用四项指标表示这些维度：价值储藏、自主性、社会信号价值和享乐情绪；随后使用贝叶斯线性模型，根据 2022 至 2025 的日度数据考察这些指标与次日收益之间的关系。…

本研究考察加密货币基金会频道发布的资讯性推文是否与随后 15 分钟内的价格变化相关。研究比较推文发布后的收益和超额收益，并考察情绪极化程度以及消息特征，包括措辞和推文数量。结果显示，显著的收益增长集中在最初三分钟，而测得的情绪本身与价格走势没有明显关系。 作者称，未观察到这些消息造成不利价格影响。基于分析构建的基础交易算法在 15 分钟窗口内带来了一些收益，但该收益在统计上并不显著。文中将该算法作为初步框架，而非可靠交易优势的证据；文中没有说明交易成本或评估实际盈利能力所需的其他实施细节。

本文考察公众对COVID-19的关注度能否帮助解释比特币收益，以及这种关系是否因具有个人主义或集体主义传统的国家而异。研究分析了从11年2月2020日至9年5月2022日这段时期的八个大型经济体。研究采用滚动窗口和递归扩展程序，以考虑各国疫情关注度的时间差异，并处理由Google搜索抽样变化所导致的潜在估计偏差。…

本文比较交易者在中心化和去中心化交易所交易比特币永续期货时的行为，并将交易所归为三种架构模型。研究考察了交易量、未平仓合约量、强平、杠杆和价格波动。对于采用虚拟自动做市的去中心化平台，未平仓合约量与多头和空头头寸之间呈现不同的关系。在按预言机定价的交易所，交易者往往作为价格接受者，对标的资产的价格变动作出反应。…

本研究通过实验考察可见的交易行为是否会影响加密货币市场后续活动。研究人员部署机器人，在217种加密货币上进行为期六个月的低成本交易，交易次数超过十万次。他们报告称，个人买入行为之后，买方活动短期内有所增加，增幅达到这些干预本身的数百倍。…

本研究结合比特币市场指标与社交及行为信号，探讨程序化交易。输入数据包括交易所价格和成交量、技术普及程度及比特币交易量，以及搜索活动、口碑传播量、推文情绪和观点极化程度。分析涵盖三年多的比特币相关数据，并考察这些信号与价格走势的关系。…

本研究考察媒体和教育资源与个人参与加密货币市场之间的关系。文章指出，社交平台、网红和财经评论员等信息来源可能激发兴趣；而易于获取的学习材料可能帮助人们在波动市场中作出更明智的选择。 文中称，研究发现基于定量问卷调查和定性访谈。研究报告称，社交媒体上有说服力的故事和成功经历可能吸引新投资者；持续、负责任地参与则取决于对加密货币基础知识、交易方法和区块链技术的了解。文中未提供样本详情、效应量测定或具体教育干预，因此仅凭摘要无法评估这些发现的强度和普适性。

本文考察能否利用近期市场行为和另类数据预测未来五分钟的比特币隐含波动率。模型使用滞后的比特币指数价格和波动率变化，捕捉价格信息与波动率动量。模型还纳入情绪和参与度指标，包括Google Trends，以研究关注度信号是否包含有关后续隐含波动率的信息。 报告的发现是预测能力有限，市场往往会在数小时后才对Google…

本文提出一个理论模型，将交易条件强度与证券价格波动和收益联系起来。模型使用成交量和价格分布表示不确定性与强度，并从市场心理角度阐释这些关系。作者将模型应用于中国股市高频数据。…

PrivySense 提出通过观测到的价格波动来估计财经新闻中的情绪。这与论文所述的传统做法相反：先用人工标注的文本训练情绪分类器，再将其用于辅助证券交易。该研究还考察了现有情绪分类器，并探讨在交易语境中应如何定义情绪。…

本文研究能否预测苹果公司股票的日内价格过度反应，并将其作为动量信号进行交易。研究结合波动率标准化收益与从推特消息中提取的情绪特征，根据同期波动率和交易成本界定过度反应，并将预测设为三分类任务。测试方法包括树模型、神经网络和双向长短期记忆网络，覆盖多种日内采样频率。…

本文介绍一种股票交易系统，将指数移动平均线和 MACD 的趋势与动量信号，与 RSI 和布林带的均值回归信号结合。系统加入 FinBERT 对金融情绪的估计，使用 XGBoost 生成信号，并根据波动率和收益状况筛选信号或调整敞口。该设计旨在适应市场状态变化，以及传统趋势跟踪或均值回归方法可能难以应对的情形。 文中报告，在 24 个月期间，最终投资组合价值为 $235,492.83，初始投资收益率为 135.49%。文中还声称其表现优于标普 500 指数和…

本文评估社交媒体情绪和关注度指标能否帮助预测十种加密货币的日对数收益。预测变量包括 Twitter 和 Reddit 情绪、Google Trends 指数及交易量。预测方法为经过 LASSO 正则化的向量自回归，并在从 2018 年 1 月至 2022 年 1 月的日度观测上进行递归 30 日预测。研究还将预测结果与基准进行比较，并使用后双重 LASSO 方法对高维 VAR 进行 Granger 因果分析。 报告的方向准确率超过 50%，相对于主要基准，平均方向准确率提高了…