論文の概要: KryptoOracle: A Real-Time Cryptocurrency Price Prediction Platform Using
Twitter Sentiments
- arxiv url: http://arxiv.org/abs/2003.04967v1
- Date: Fri, 21 Feb 2020 20:38:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 00:51:42.329284
- Title: KryptoOracle: A Real-Time Cryptocurrency Price Prediction Platform Using
Twitter Sentiments
- Title（参考訳）: KryptoOracle: Twitter Sentimentsを使ったリアルタイム暗号価格予測プラットフォーム
- Authors: Shubhankar Mohapatra, Nauman Ahmed and Paulo Alencar
- Abstract要約: KryptoOracleは、Twitterの感情に基づく、新しいリアルタイムで適応的な暗号通貨価格予測プラットフォームである。
提案されたプラットフォームは意思決定を加速し、新たな機会を明らかにし、よりタイムリーな洞察を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cryptocurrencies, such as Bitcoin, are becoming increasingly popular, having
been widely used as an exchange medium in areas such as financial transaction
and asset transfer verification. However, there has been a lack of solutions
that can support real-time price prediction to cope with high currency
volatility, handle massive heterogeneous data volumes, including social media
sentiments, while supporting fault tolerance and persistence in real time, and
provide real-time adaptation of learning algorithms to cope with new price and
sentiment data. In this paper we introduce KryptoOracle, a novel real-time and
adaptive cryptocurrency price prediction platform based on Twitter sentiments.
The integrative and modular platform is based on (i) a Spark-based architecture
which handles the large volume of incoming data in a persistent and fault
tolerant way; (ii) an approach that supports sentiment analysis which can
respond to large amounts of natural language processing queries in real time;
and (iii) a predictive method grounded on online learning in which a model
adapts its weights to cope with new prices and sentiments. Besides providing an
architectural design, the paper also describes the KryptoOracle platform
implementation and experimental evaluation. Overall, the proposed platform can
help accelerate decision-making, uncover new opportunities and provide more
timely insights based on the available and ever-larger financial data volume
and variety.
- Abstract（参考訳）: ビットコインなどの暗号通貨は、金融取引や資産譲渡検証といった分野において、交換媒体として広く利用されている。
しかし、高通貨のボラティリティに対処するためのリアルタイム価格予測をサポートし、ソーシャルメディアの感情を含む巨大な異種データボリュームを処理し、フォールトトレランスと永続性をリアルタイムでサポートし、新しい価格と感情データに対処する学習アルゴリズムのリアルタイム適応を提供するソリューションが不足している。
本稿では、twitterの感情に基づく、新しいリアルタイムかつ適応型暗号通貨価格予測プラットフォームであるkryptooracleを紹介する。
統合的でモジュール化されたプラットフォームは
(i)大量の入ってくるデータを永続的かつフォールトトレラントな方法で処理するsparkベースのアーキテクチャ
(ii)大量の自然言語処理クエリにリアルタイムに応答可能な感情分析を支援するアプローチ
(iii)モデルが新しい価格や感情に対応するために重みを適応させるオンライン学習に基づく予測手法。
アーキテクチャ設計の提供に加えて,kryptooracleプラットフォームの実装と実験的評価についても説明している。
全体として、提案されたプラットフォームは意思決定を加速し、新たな機会を明らかにし、利用可能な、より大規模の財務データ量と多様性に基づいて、よりタイムリーな洞察を提供する。
関連論文リスト
- Multi-Source Hard and Soft Information Fusion Approach for Accurate Cryptocurrency Price Movement Prediction [5.885853464728419]
本稿では,暗号通貨価格変動予測の精度を高めるために,HSIF(ハード・アンド・ソフト・インフォメーション・フュージョン)と呼ばれる新しい手法を導入する。
我々のモデルは価格変動を予測するのに約96.8%の精度がある。
情報の導入により,社会的感情が価格変動に与える影響を把握することができる。
論文 参考訳（メタデータ） (2024-09-27T16:32:57Z) - IT Strategic alignment in the decentralized finance (DeFi): CBDC and digital currencies [49.1574468325115]
分散型金融(DeFi)は、ディスラプティブベースの金融インフラである。
1) DeFiの一般的なIT要素は何か?
2) DeFi における IT 戦略の整合性には,どのような要素があるのでしょう?
論文 参考訳（メタデータ） (2024-05-17T10:19:20Z) - DAM: A Universal Dual Attention Mechanism for Multimodal Timeseries Cryptocurrency Trend Forecasting [3.8965079384103865]
本稿では,マルチモーダル時系列データを用いた暗号通貨のトレンド予測のための新しいデュアルアテンションメカニズム(DAM)を提案する。
われわれのアプローチは、重要な暗号通貨メトリクスと、CryptoBERTを通じて分析されたニュースやソーシャルメディアからの感情データを統合する。
本手法は,分散システム,自然言語処理,財務予測といった要素を組み合わせることで,LSTMやTransformerといった従来のモデルよりも最大20%高い精度で性能を向上する。
論文 参考訳（メタデータ） (2024-05-01T13:58:01Z) - AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。
次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
論文 参考訳（メタデータ） (2024-03-19T09:45:33Z) - Deep Learning and NLP in Cryptocurrency Forecasting: Integrating Financial, Blockchain, and Social Media Data [3.6390165502400875]
本稿では,機械学習(ML)と自然言語処理(NLP)技術を活用した暗号通貨価格予測の新しい手法を提案する。
ニュースやソーシャルメディアのコンテンツを分析することで、仮想通貨市場に対する大衆の感情の影響を評価する。
論文 参考訳（メタデータ） (2023-11-23T16:14:44Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - Dynamic Bayesian Networks for Predicting Cryptocurrency Price Directions: Uncovering Causal Relationships [1.4356611205757077]
この研究で、Bitcoin、Coin、Litecoin、Ripple、Tetherの6つの人気暗号通貨が研究されている。
ソーシャルメディアデータ,従来の金融市場要因,技術的指標など,さまざまな特徴の因果関係を明らかにするために,動的ベイズネットワーク(DBN)に基づくアプローチを提案する。
その結果、DBNの性能は、暗号通貨によって異なるが、他の暗号通貨よりも高い予測精度を示す暗号通貨もあるが、DBNはベースラインモデルよりも著しく優れていた。
論文 参考訳（メタデータ） (2023-06-13T22:07:51Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - Augmented Bilinear Network for Incremental Multi-Stock Time-Series
Classification [83.23129279407271]
本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。
本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。
この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
論文 参考訳（メタデータ） (2022-07-23T18:54:10Z) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-01T05:12:22Z) - LSTM Based Sentiment Analysis for Cryptocurrency Prediction [11.811501670389935]
この研究は、ソーシャルメディアの感情を分析することによって、暗号通貨の揮発性価格の動きを予測することを目的としています。
本稿では,中国のソーシャルメディアプラットフォームSina-Weiboにおける,中国のソーシャルメディア投稿の感情を識別する手法を提案する。
Weiboポストをキャプチャし、暗号固有の感情辞書の作成を記述したパイプラインを開発し、Long Short-term memory(LSTM)ベースのリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-03-27T04:08:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。