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
- Hawkes-based cryptocurrency forecasting via Limit Order Book data [1.6236898718152877]
本稿では,ホークスモデルに根ざしたリミットオーダーブック(LOB)データを用いた新しい予測アルゴリズムを提案する。
我々の手法は、将来の金融相互作用の予測を活用することで、返却サインの正確な予測を提供する。
提案手法の有効性は,50シナリオにわたるモンテカルロシミュレーションを用いて検証した。
論文 参考訳(メタデータ) (2023-12-21T16:31:07Z) - Forecasting Cryptocurrency Prices Using Deep Learning: Integrating
Financial, Blockchain, and Text Data [3.8443430569753025]
我々は、先進的なディープラーニングNLP手法を用いて、公開感情が暗号通貨評価に与える影響を分析する。
我々は,NLPデータ統合の有無にかかわらず,各種MLモデルの性能を比較した。
我々は,Twitter-RoBERTaやBART MNLIといった事前学習モデルが,市場感情を捉える上で極めて有効であることを発見した。
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) - Causal Feature Engineering of Price Directions of Cryptocurrencies using
Dynamic Bayesian Networks [0.7874708385247353]
仮想通貨の人気は上昇しているが、価格のボラティリティと不確実性のため、暗号通貨はリスクの高い投資のままである。
本稿では,5つの人気の価格方向を予測できる動的ベイズネットワーク(DBN)手法を提案する。
次のトレーディングデーでBitcoin以外は。
論文 参考訳(メタデータ) (2023-06-13T22:07:51Z) - Dynamic Datasets and Market Environments for Financial Reinforcement
Learning [68.11692837240756]
FinRL-Metaは、現実世界の市場からジムスタイルの市場環境へ動的データセットを処理するライブラリである。
我々は,ユーザが新しい取引戦略を設計するための足場として,人気のある研究論文を例示し,再現する。
また、ユーザが自身の結果を視覚化し、相対的なパフォーマンスを評価するために、このライブラリをクラウドプラットフォームにデプロイします。
論文 参考訳(メタデータ) (2023-04-25T22:17:31Z) - 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) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳(メタデータ) (2022-03-07T18:59:54Z) - 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) - Supporting Financial Inclusion with Graph Machine Learning and Super-App
Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。
本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文 参考訳(メタデータ) (2021-02-19T15:13:06Z) - Ascertaining price formation in cryptocurrency markets with DeepLearning [8.413339060443878]
本論文は,近年の株式市場予測にディープラーニングを用いた成功に触発されたものである。
暗号通貨市場の特徴を高周波で分析・提示する。
私たちは、Bitcoinと米ドルのライブ為替レートの中間価格運動の予測について、一貫した78%の精度を達成しました。
論文 参考訳(メタデータ) (2020-02-09T20:23:08Z)
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。