Анализ эффективности рынка криптовалют на основе сигналов из социальных сетей

Криптовалюты в последнее время стали важным активом и транзакционным срудством в современной экономике, а Bitcoin, представленный в 2008 году Сатоши Накамото, по-прежнему остается крупнейшим применением блокчейн. В данной работе был опробован подход извлечения сигналов для рынка Биткоина. Мы собрали твиты, связанные с Биткоином, и проверили, можно ли использовать настроение этих твитов для прогнозирования движения цены. Для этого мы использовали методы обработки естественного языка и сделали три разных классификатора для извлечения сигналов из текстовых данных. Логистическая регрессия показала самый надежный результат, поэтому ее прогнозы были приняты как прокси для рыночного настроения. Используя анализ временных рядов, мы выяснили, что изменение настроения Грэнжер-вызывает стоимость биткойнов, но с неожиданным замечанием о том, что улучшение настроений в Twitter значительно привело к падению цены на тестовой подвыборке. Используя эту модель, мы создали торговую стратегию на основе настроений для Bitcoin и выяснили, что она была прибыльной, несмотря на общую тенденцию к снижению цену в течение тестового периода. Основываясь на этой стратегии, мы протестировали поможет ли использование информации о настроениях Bitcoin значительно превзойти рынок, чтобы проверить гипотезу об эффективности рынка. Альфа-тест Дженсена не смог отклонить гипотезу о значительном улучшении производительности, поэтому нам не удалось отклонить гипотезу рынка эффективности.