از "چه کسی" بپرسید ، نه "چه": پیش بینی نوسانات بیت کوین با داده های توییتر

این هشدار با موفقیت اضافه شده است و به شما ارسال می شود: هر زمان که رکوردی که انتخاب کرده اید استناد شده است ، به شما اطلاع داده می شود.

برای مدیریت تنظیمات برگزیده هشدار خود ، روی دکمه زیر کلیک کنید. هشدارهای من را مدیریت کنید

هشدار استناد جدید!

لطفا وارد حساب کاربری خود شوید

صرفه جویی در اتصال

نام

WSDM '23: مجموعه مقالات شانزدهمین کنفرانس بین المللی ACM در جستجوی وب و داده کاوی

از "چه کسی" بپرسید ، نه "چه": پیش بینی نوسانات بیت کوین با داده های توییتر صفحات 688-696

خلاصه

درک تغییرات در قیمت معاملات (نوسانات) و پاسخ آن به اطلاعات برونزا ، موضوعی خوب تحقیق شده در امور مالی است. در این مطالعه ، ما بر یافتن پیش بینی کننده نوسانات پایدار و دقیق برای یک کلاس دارایی نسبتاً جدید از ارزهای رمزپایه ، به ویژه بیت کوین ، با استفاده از بازنمایی های عمیق از داده های رسانه های اجتماعی عمومی به دست آمده از توییتر تمرکز می کنیم. برای آزمایشات ما ، ما اطلاعات معنایی و آمار کاربر را از بیش از 30 میلیون توییت مربوط به بیت کوین ، در رابطه با داده های قیمت فرکانس 15 دقیقه ای در طی افق 144 روز استخراج کردیم. با استفاده از این داده ها ، ما چندین معماری یادگیری عمیق ایجاد کردیم که از ترکیب های مختلف اطلاعات جمع آوری شده استفاده می کردند. برای هر مدل ، ما مطالعات فرسایش را برای ارزیابی تأثیر اجزای مختلف و مجموعه های ویژگی بر روی دقت پیش بینی انجام دادیم. ما شواهد آماری برای این فرضیه ها پیدا کردیم که: (i) شبکه های حلقوی موقتی به طور قابل توجهی بهتر از هر دو مدل اتورگرایی کلاسیک و سایر معماری های مبتنی بر یادگیری عمیق در ادبیات ، و (ب) توییت نویسنده متا-آگاه ، حتی از خود توییت جدا شده اند.، پیش بینی کننده بهتر از نوسانات نسبت به محتوای معنایی و آمار حجم توییت است. ما نشان می دهیم که چگونه مجموعه های اطلاعات مختلف از رسانه های اجتماعی می توانند در معماری های مختلف استفاده شوند و چگونه آنها بر نتایج پیش بینی تأثیر می گذارند. به عنوان یک سهم اضافی ، ما مجموعه داده های خود را برای تحقیقات آینده عمومی می کنیم.

مواد تکمیلی

wsdm. mp4

ارائه مقاله "بپرسید" چه کسی "، نه" چه ": پیش بینی نوسانات بیت کوین با داده های توییتر" توسط M. Eren Akbiyik. مطالعه ما از یادگیری عمیق برای یافتن پیش بینی کننده نوسانات پایدار و دقیق برای ارزهای رمزپایه ، به ویژه بیت کوین ، با استفاده از داده های رسانه های اجتماعی عمومی از توییتر استفاده کرد. با استفاده از داده های بیش از 30 میلیون توییت مربوط به بیت کوین و داده های قیمت فرکانس 15 دقیقه ای ، دریافتیم که شبکه های همبستگی زمانی بهتر از سایر مدل ها عمل می کنند و اطلاعات نویسنده توییت پیش بینی بهتری از نوسانات نسبت به محتوای توییت و حجم است. مجموعه داده های مورد استفاده در این مطالعه همچنین برای تحقیقات آینده در دسترس عموم است.

منابع

1. میشل راوچ و گریک هیلمن. مطالعه معیار جهانی cryptocurrency. کمبریج مرکز مالی جایگزین ، دانشکده تجارت کمبریج قاضی ، دانشگاه کمبریج ، 2017. Google Scholar
2. Triple-A. جدول مالکیت Crypto ، 2020. Google Scholar
3. Yuexin Mao ، Wei Wei ، Bing Wang و Benyuan Liu. همبستگی سهام S& P 500 با داده های توییتر. در مجموعه مقالات اولین کارگاه بین المللی ACM در مورد موضوعات داغ در مورد تحقیقات شبکه های اجتماعی بین رشته ای ، Hotsocial '12 ، صفحه 69-72 ، نیویورک ، نیویورک ، ایالات متحده ، 2012. انجمن ماشین آلات محاسباتی. کتابخانه Scholardigital Google
4. Svitlana Galeshchuk ، O. Vasylchyshyn و Andriy Krysovatyy. پاسخ بیت کوین به احساسات توییتر. در کارگاه های Icteri ، 2018. Google Scholar
5. Ioais Livieris ، Niki Kiriakidou ، Stavros Stavroyiais و P. Pintelas. یک مدل پیشرفته CNN-LSTM برای پیش بینی رمزنگاری. الکترونیک ، 01 2021. Google Scholar
6. Thársis T. P. Souza و Tomaso Astte. پیش بینی ساختار بازار سهام آینده با ترکیب اطلاعات شبکه اجتماعی و مالی. Physica A: مکانیک آماری و کاربردهای آن ، 535: 122343 ، دسامبر 2019. Google Scholarcross Ref
7. خوان Piñeiro ، M. López-Cabarcos ، Ada M. Pérez-Pico و Belén Ribeiro-Navarrete. آیا احساسات شبکه اجتماعی بر روابط بین S& P 500 و بازده طلا تأثیر می گذارد؟بررسی بین المللی تجزیه و تحلیل مالی ، 57 ، 02 2018. Google Scholar
8. جیا ین هوانگ و جین هائو لیو. استفاده از فناوری استخراج رسانه های اجتماعی برای بهبود دقت پیش بینی قیمت سهام. مجله پیش بینی ، 39 (1): 104--116 ، 2020. Google Scholarcross Ref
9. دهوا شن ، اندرو اروخارت و پنگفی وانگ. آیا توییتر بیت کوین را پیش بینی می کند؟نامه های اقتصاد ، 174: 118--122 ، 2019. Google Scholarcross Ref
10. Dibakar Raj Pant ، Prasanga Neupane ، Anuj Poudel ، Anup Kumar Pokhrel و Bishnu Kumar Lama. پیش بینی قیمت بیت کوین مبتنی بر شبکه عصبی مکرر توسط تجزیه و تحلیل احساسات توییتر. در سال 2018 IEEE سومین کنفرانس بین المللی محاسبات ، ارتباطات و امنیت (ICCCS) ، صفحات 128--132 ، 2018. Google Scholarcross Ref
11. Suhwan JI ، Jongmin Kim و Hyesseung IM. یک مطالعه مقایسه ای پیش بینی قیمت بیت کوین با استفاده از یادگیری عمیق. ریاضیات ، 7: 898 ، 09 2019. Google Scholar
12. S. Howison ، Avraam rafailidis و Henrik Rasmussen. در مورد قیمت گذاری و محافظت از مشتقات نوسانات. امور مالی ریاضی کاربردی ، 11: 317--346 ، 12 2004. Google Scholarcross Ref
13. ایرنا بارجا؟ من؟و Nino Antulov-Fantulin. نوسانات متغیر زمان در بازار بیت کوین و جریان اطلاعات در فرکانس سطح دقیقه. Frontiers in Physics ، 9: 273 ، 2021. Google Scholar
14. Alla A. Petukhina ، Raphael C. G. Reule و Wolfgang Karl Härdle. ظهور ماشین ها؟الگوهای معاملاتی با فرکانس بالا در داخل ارزهای رمزنگاری شده. مجله مالی اروپا ، 27 (1--2): 8--30 ، ژوئیه 2020. Google Scholar
15. ج. هوتو و اریک گیلبرت. VADER: یک الگوی مبتنی بر قانون برای تجزیه و تحلیل احساسات متن رسانه های اجتماعی. مجموعه مقالات کنفرانس بین المللی AAAI در وب و رسانه های اجتماعی ، 8 (1): 216--225 ، مه 2014. Google Scholarcross Ref
16. او استنلی و RN Mantegna. مقدمه ای بر اکونوفیزیک. انتشارات دانشگاه کمبریج ، کمبریج ، 2000. Google Scholar
17. RAMA CONT. خصوصیات تجربی بازده دارایی: حقایق تلطیف شده و موضوعات آماری. امور مالی کمی ، 1 (2): 223 ، 2001. Google Scholarcross Ref
18. رابرت اف انگل. ناهمگونی مشروط اتوگرافی با برآورد واریانس تورم انگلستان. اقتصاد سنجی: مجله انجمن اقتصادسنجی ، صفحات 987--1007 ، 1982. Google Scholarcross Ref
19. تیم بولرزلف. ناهمگونی مشروط به خودی تعمیم یافته. مجله اقتصاد سنج ، 31 (3): 307--327 ، 1986. Google Scholarcross Ref
20. فیلیپ جوریون. در فرآیندهای پرش در بورس و بورس اوراق بهادار. بررسی مطالعات مالی ، 1 (4): 427--445 ، 1988. Google Scholarcross Ref
21. Wing H Chan و John M Maheu. پویایی پرش مشروط در بازده بازار سهام. مجله آمار تجارت و اقتصادی ، 20 (3): 377--389 ، 2002. Google Scholarcross Ref
22. دانیل ماسترو. پیش بینی نوسانات تحقق یافته: مدل های قوس از نوع در مقابل مدل HAR-RV. مجله الکترونیکی SSRN ، 01 2014. Google Scholar
23. یانگ لیوپیش بینی نوسانات جدید با استفاده از یادگیری عمیق-طولانی مدت شبکه های عصبی مکرر حافظه کوتاه مدت. سیستم های خبره با برنامه ها ، 132: 99--109 ، 2019. کتابخانه Google Scholardigital
24. Nghia Nguyen ، Minh-Ngoc Tran ، David Gunawan و Robert Kohn. یک مدل نوسانات تصادفی حافظه کوتاه مدت. Arxiv preprint arxiv: 1906. 02884 ، 2019. Google Scholar
25. شان مک نالی ، جیسون روشه و سیمون کاتون. پیش بینی قیمت بیت کوین با استفاده از یادگیری ماشین. در سال 2018 26th کنفرانس بین المللی یورومیکرو در مورد پردازش موازی ، توزیع شده و مبتنی بر شبکه (PDP) ، صفحات 339-343. IEEE ، 2018. Google Scholar
26. محمد سعد ، جینچون چوی ، دائون نینگ ، جونژون کیم و عزیز موهیزن. به سمت توصیف ارزهای رمزنگاری مبتنی بر blockchain برای پیش بینی های بسیار دقیق. مجله سیستم های IEEE ، 14 (1): 321--332 ، 2019. Google Scholarcross Ref
27. Qiutong Guo ، Shun Lei ، Qing Ye و Zhiyang Fang. MRC-LSTM: یک رویکرد ترکیبی از CNN و LSTM باقیمانده چند مقیاس برای پیش بینی قیمت بیت کوین ، 2021. Google Scholar
28. آندره بوچی. پیش بینی نوسانات تحقق یافته با شبکه های عصبی. مجله اقتصاد مالی مالی ، 18 (3): 502--531 ، 2020. Google Scholarcross Ref
29. Ajitha Vejendla و David Enke. ارزیابی مدل های GARCH ، RNN و FNN برای پیش بینی نوسانات در بازارهای مالی. IUP مجله مدیریت ریسک مالی ، 10 (1) ، 2013. Google Scholar
30. آدام هیز. تشکیل ارزش cryptocurrency: یک تجزیه و تحلیل تجربی که منجر به هزینه مدل تولید برای ارزش گذاری بیت کوین می شود. مجله الکترونیکی SSRN ، 2015. Google Scholarcross Ref
31. Wilko Bolt. در مورد ارزش ارزهای مجازی. مجله الکترونیکی SSRN ، 2016. Google Scholar
32. Saralees Nadarajah و Jeffrey Chu. در مورد ناکارآمدی بیت کوین. نامه های اقتصاد ، 150: 6--9 ، 2017. Google Scholarcross Ref
33. Eng-Tuck Cheah و John Fry. حباب های سوداگرانه در بازارهای بیت کوین؟تحقیقات تجربی در مورد ارزش اساسی بیت کوین. نامه های اقتصاد ، 130: 32--36 ، 2015. Google Scholarcross Ref
34. لادیسلاو و کریستوفک. محرک های اصلی قیمت بیت کوین چیست؟شواهدی از تجزیه و تحلیل انسجام موجک. PLOS ONE ، 10 (4): E0123923 ، 2015. Google Scholarcross Ref
35. توماس دیمپفل و Franziska J Peter. چیزی جز سر و صدا؟کشف قیمت در مبادلات cryptocurrency. مجله بازارهای مالی ، 54: 100584 ، 2021. Google Scholarcross Ref
36. جاناتان دونیر و ژان-فیلیپ بوچود. چرا بازارها خراب می شوند؟داده های بیت کوین بینش های بی سابقه ای را ارائه می دهد. PLOS ONE ، 10: 1--11 ، 2015. Google Scholarcross Ref
37. Paraskevi Katsiampa. برآورد نوسانات برای بیت کوین: مقایسه مدل های GARCH. نامه های اقتصاد ، 158: 3--6 ، 2017. Google Scholarcross Ref
38. Tian Guo ، Albert Bifet و Nino Antulov-Fantulin. پیش بینی نوسانات بیت کوین با نگاهی اجمالی به خرید و فروش سفارشات. در سال 2018 کنفرانس بین المللی IEEE در مورد داده کاوی (ICDM) ، صفحات 989--994 ، نوامبر 2018. Google Scholarcross Ref
39. Nino Antulov-Fantulin ، Tian Guo و Fabrizio Lillo. مدل های گروهی مخلوط موقتی برای پیش بینی احتمالی حجم رمزنگاری داخل بدن. تصمیمات در اقتصاد و امور مالی ، صفحات 1--36 ، 2021. Google Scholarcross Ref
40. دوریت رون و آدی شمیر. تجزیه و تحلیل کمی از نمودار معاملات کامل بیت کوین. در کنفرانس بین المللی رمزنگاری مالی و امنیت داده ها ، صفحات 6-24. Springer ، 2013. Google Scholarcross Ref
41. Abeer Elbahrawy ، Laura Alessandretti ، Ae Kandler ، Romualdo Pastor-Satorras و Andrea Baronchelli. پویایی تکاملی بازار رمزنگاری. Royal Society Open Science ، 4 (11): 170623 ، 2017. Google Scholarcross Ref
42. Nino Antulov-Fantulin ، Dijana Tolic ، Matija Piskorec ، Zhang CE و Irena Vodenska. استنباط شاخص های نوسانات کوتاه مدت از blockchain بیت کوین. در شبکه های پیچیده و برنامه های کاربردی آنها vii ، صفحات 508--520 ، چم ، 2019. انتشارات بین المللی اسپرینگر. Google Scholarcross Ref
43. دیوید گارسیا و فرانک شوویتزر. سیگنال های اجتماعی و تجارت الگوریتمی بیت کوین. Royal Society Open Science ، 2 (9): 150288 ، 2015. Google Scholarcross Ref
44. Asim K. Dey ، Cuneyt G. Akcora ، Yulia R. Gel و Murat Kantarcioglu. در مورد نقش ویژگی های شبکه blockchain محلی در تشکیل قیمت Cryptocurrency. مجله آمار کانادایی ، 48 (3): 561--581 ، 2020. Google Scholarcross Ref
45. یوهانس بک ، روبرتا هوانگ ، دیوید لیندر ، تیان گوا ، ژانگ CE ، دیرک هلینگ و نینو آنتولوف-فانتولین. سنجش سیگنال های رسانه های اجتماعی برای اخبار cryptocurrency. در مجموعه مقالات همراه کنفرانس وب جهانی 2019 ، صفحات 1051--1054 ، 2019. کتابخانه Google Scholardigital
46. لری جی اپشتین و مارتین اشنایدر. ابهام ، کیفیت اطلاعات و قیمت گذاری دارایی. مجله مالی ، 63 (1): 197--228 ، 2008. Google Scholarcross Ref
47. Qi Cao ، Huawei Shen ، Keting Cen ، Wentao Ouyang و Xueqi Cheng. Deephawkes: ایجاد شکاف بین پیش بینی و درک آبشارهای اطلاعات. در مجموعه مقالات ACM 2017 کنفرانس مدیریت اطلاعات و دانش ، صفحات 1149--1158 ، 2017. کتابخانه Google Scholardigital
48. Hongyuan Mei و Jason M Eisner. فرآیند هاوکس عصبی: یک فرآیند نقطه چند متغیره نوروشی خود را به صورت عصبی. پیشرفت در سیستم های پردازش اطلاعات عصبی ، 30 ، 2017. Google Scholar
49. جیمز دی. همیلتون و انتشارات دانشگاه پرینستون. تجزیه و تحلیل سری زمانی. شماره 10. ج. در تجزیه و تحلیل سری زمانی. انتشارات دانشگاه پرینستون ، 1994. Google Scholar
50. Torben G. Andersen ، Tim Bollerslev ، Francis X. Diebold و Paul Labys. مدل سازی و پیش بینی نوسانات تحقق یافته. اقتصاد سنج ، 71 (2): 579--625 ، 2003. Google Scholarcross Ref
51. Shaojie Bai ، J Zico Kolter و Vladlen Koltun. ارزیابی تجربی از شبکه های حلقوی عمومی و مکرر برای مدل سازی توالی. Arxiv preprint arxiv: 1803. 01271 ، 2018. Google Scholar
52. Junyoung Chung ، Caglar Gulcehre ، Kyunghyun Cho ، and Yoshua Bengio. ارزیابی تجربی شبکه های عصبی مکرر دروازه در مدل سازی دنباله ، 2014. Google Scholar
53. کالین لی ، رنه ویدال ، آستین ریتر و گرگوری دی هاجر. شبکه های حلقوی موقتی: یک رویکرد یکپارچه برای تقسیم عمل. در کنفرانس اروپا در مورد دید رایانه ، صفحات 47-54. Springer ، 2016. Google Scholarcross Ref
54. Emre Aksan و Otmar Hilliges. STCN: شبکه های همخوانی موقتی تصادفی. Arxiv Preprint Arxiv: 1902. 06568 ، 2019. Google Scholar
55. آرون ون دن اورد ، ساندر دیلمن ، هایگا ذن ، کارن سیمونیان ، اوریول وینلز ، الکس گریوز ، نال کالچبرنر ، اندرو ارشد و کوری کاووککوگلو. Wavenet: یک مدل تولیدی برای صوتی خام. Arxiv Preprint Arxiv: 1609. 03499 ، 2016. Google Scholar
56. Takuya Akiba ، Shotaro Sano ، Toshihiko Yanase ، Takeru Ohta و Masanori Koyama. Optuna: یک چارچوب بهینه سازی HyperParameter نسل بعدی. در مجموعه مقالات 25 کنفرانس بین المللی ACM SIGKDD در مورد کشف دانش و داده کاوی ، 2019. کتابخانه Google Scholardigital
57. ایلیا لوشیلف و فرانک هاتر. تنظیم دقیق پوسیدگی وزن. Arxiv preprint arxiv: 1711. 05101 ، 2017. Google Scholar
58. مارتینا ماتا ، ایلاریا لونسو ، و میشل مارچسی. بیت کوین پیش بینی را با استفاده از رسانه های جستجوی اجتماعی و وب گسترش می دهد. در کارگاه های UMAP ، صفحات 1--10 ، 2015. Google Scholar
59. Jacob Devlin ، Ming-Wei Chang ، Kenton Le و Kristina Toutanova. BERT: پیش از ترجمه ترانسفورماتورهای دو طرفه عمیق برای درک زبان. Arxiv preprint arxiv: 1810. 04805 ، 2018. Google Scholar

شرایط صفحه اول

از "چه کسی" بپرسید ، نه "چه": پیش بینی نوسانات بیت کوین با داده های توییتر

نظرات

گزینه های ورود به سیستم

بررسی کنید که آیا از طریق اعتبارنامه ورود به سیستم یا موسسه خود دسترسی دارید تا دسترسی کامل به این مقاله داشته باشید.

دسترسی کامل

منتشر شده در

WSDM '23: مجموعه مقالات شانزدهمین کنفرانس بین المللی ACM در جستجوی وب و داده کاوی فوریه 2023 1345 صفحه ISBN: 9781450394079 doi: 10. 1145/3539597

• صندلی های عمومی:
• دانشگاه ملی Tat-Seng Chua سنگاپور ،
• دانشگاه مدیریت هادی لاوو سنگاپور ،
• صندلی های برنامه:
• Luo Si Salesforce ،
• دانشگاه Evimaria Terzi Boston ،
• Panayiotis Tsaparas University Ioaina

کپی رایت © 2023 مالک/نویسنده

حامی

در همکاری

ناشر

انجمن ماشین های محاسباتی

نیویورک ، نیویورک ، ایالات متحده

تاریخ انتشار

• منتشر شده: 27 فوریه 2023 < Pan> بررسی کنید که آیا از طریق اعتبار ورود به سیستم یا موسسه خود برای دسترسی کامل به این مقاله دسترسی دارید.