跳至正文
返回文库全部文档

使用 LASSO-VAR 与情绪数据预测加密货币收益

文章 arXiv papers · 作者: Federico D'Amario et al.
阅读原文

总结

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 10%。加入情绪和关注度可提高方向准确率，但不会改善均方根误差。因果分析没有发现社交媒体情绪 Granger 导致加密货币收益的证据。这些结果表明，情绪和关注度可能有助于预测方向，但不能改善误差幅度，也不能确立因果关系。摘录未说明基准名称，也未进一步介绍稳健性、交易成本或样本外实施情况。

核心观点

  • 研究使用 LASSO-VAR 模型，根据日度数据预测十种加密货币的收益。
  • 预测变量包括 Twitter 和 Reddit 情绪、Google Trends 及交易量。
  • 相较于所述基准，情绪和关注度提高了平均方向准确率，但没有改善均方根误差。
  • 报告的 Granger 因果分析未发现社交媒体情绪对加密货币收益存在因果预测关系。
  • 摘录没有说明交易成本调整或实施结果。

标签

加密资产机器学习统计学市场情绪回测
全文
# 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

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。