論文の概要: Social Media Engagement and Cryptocurrency Performance
- arxiv url: http://arxiv.org/abs/2209.02911v1
- Date: Wed, 7 Sep 2022 03:36:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-08 12:59:18.742288
- Title: Social Media Engagement and Cryptocurrency Performance
- Title（参考訳）: ソーシャルメディアのエンゲージメントと暗号性能
- Authors: Khizar Qureshi, Tauhid Zaman
- Abstract要約: 本稿では,ソーシャルメディア投稿とのインタラクションに基づいて,ソーシャルメディア上で議論されたトピックによるユーザのエンゲージメントを計測する新しいモデルを提案する。
我々は、2019年から2021年の間に作成された48の暗号通貨に対するエンゲージメント係数を、暗号通貨の存在の最初の1ヶ月のTwitterのデータを用いて推定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the problem of predicting the future performance of cryptocurrencies
using social media data. We propose a new model to measure the engagement of
users with topics discussed on social media based on interactions with social
media posts. This model overcomes the limitations of previous volume and
sentiment based approaches. We use this model to estimate engagement
coefficients for 48 cryptocurrencies created between 2019 and 2021 using data
from Twitter from the first month of the cryptocurrencies' existence. We find
that the future returns of the cryptocurrencies are dependent on the engagement
coefficients. Cryptocurrencies whose engagement coefficients are too low or too
high have lower returns. Low engagement coefficients signal a lack of interest,
while high engagement coefficients signal artificial activity which is likely
from automated accounts known as bots. We measure the amount of bot posts for
the cryptocurrencies and find that generally, cryptocurrencies with more bot
posts have lower future returns. While future returns are dependent on both the
bot activity and engagement coefficient, the dependence is strongest for the
engagement coefficient, especially for short-term returns. We show that simple
investment strategies which select cryptocurrencies with engagement
coefficients exceeding a fixed threshold perform well for holding times of a
few months.
- Abstract（参考訳）: ソーシャルメディアデータを用いた暗号通貨の今後のパフォーマンス予測問題について検討する。
本稿では,ソーシャルメディア投稿とのインタラクションに基づいて,ソーシャルメディア上で議論されたトピックによるユーザのエンゲージメントを計測する新しいモデルを提案する。
このモデルは、以前のボリュームと感情に基づくアプローチの制限を克服する。
このモデルを用いて、2019年から2021年にかけて作成された48の暗号通貨のエンゲージメント係数を、暗号通貨の存在から1か月後のtwitterのデータを用いて推定する。
暗号通貨の将来のリターンは、エンゲージメント係数に依存することが分かっています。
エンゲージメント係数が低すぎるか高すぎる暗号通貨は、リターンが低くなる。
低いエンゲージメント係数は関心の欠如を、高いエンゲージメント係数はボットとして知られる自動化アカウントから得られると思われる人工活動を示す。
我々は、暗号通貨のボットポストの量を計測し、一般的に、ボットポストが増えた暗号通貨は、将来のリターンを低くする。
将来のリターンはボットのアクティビティとエンゲージメント係数の両方に依存するが、その依存度はエンゲージメント係数、特に短期リターンに強く依存する。
固定しきい値を超えるエンゲージメント係数を持つ暗号通貨を選択する単純な投資戦略は、数ヶ月の保持時間に有効であることを示す。
関連論文リスト
- The Latency Price of Threshold Cryptosystem in Blockchains [52.359230560289745]
本稿では,Byzantine-fault Tolerant(BFT)コンセンサスプロトコルを用いた,しきい値暗号とブロックチェーンのクラス間の相互作用について検討する。
しきい値暗号システムに対する既存のアプローチは、しきい値暗号プロトコルを実行するための少なくとも1つのメッセージ遅延の遅延オーバーヘッドを導入している。
しきい値が狭いブロックチェーンネイティブのしきい値暗号システムに対して,このオーバーヘッドを取り除く機構を提案する。
論文 参考訳（メタデータ） (2024-07-16T20:53:04Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies
and Price Factors [0.9831489366502302]
本稿では,歴史的データの解析と,オンチェーンパラメータを用いた人工知能アルゴリズムについて述べる。
歴史的暗号通貨のオンチェーンデータの解析を行い,価格と他のパラメータの相関性を測定した。
分析の結果,暗号通貨価格と最大供給量と総供給量との間に有意な負の相関がみられ,価格と24時間取引量との間には弱い正の相関が認められた。
論文 参考訳（メタデータ） (2023-08-11T09:20:28Z) - 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) - Cryptocurrency Bubble Detection: A New Stock Market Dataset, Financial
Task & Hyperbolic Models [31.690290125073197]
バブル検出のための新しいマルチスパン識別タスクであるCryptoBubblesを公開・公開する。
我々はこのマルチスパン識別タスクに適した一連のシーケンス・ツー・シーケンス・ハイパーボリックモデルを開発する。
RedditとTwitterでCryptoBubblesとハイパーボリックモデルの実用性を示す。
論文 参考訳（メタデータ） (2022-05-11T08:10:02Z) - 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) - Cryptocurrency Valuation: An Explainable AI Approach [0.8566457170664925]
本稿では、独自のブロックチェーン会計手法を用いて、新しい市場間投資比率、価格対実用率(PU)比率を提案する。
PU比は、代替手段よりも長期のbitcoinリターンを効果的に予測する。
本稿では、従来の買い取り戦略や市場刺激戦略よりも優れたPU比による自動取引戦略を提案する。
論文 参考訳（メタデータ） (2022-01-30T19:01:23Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - The Doge of Wall Street: Analysis and Detection of Pump and Dump Cryptocurrency Manipulations [50.521292491613224]
本稿では,インターネット上のコミュニティによって組織された2つの市場操作(ポンプとダンプと群衆ポンプ)について,詳細な分析を行う。
ポンプとダンプの仕組みは、株式市場と同じくらい古い詐欺だ。今や、緩やかに規制された暗号通貨市場において、新たな活力を得た。
本報告では,ポンプ群とダンプ群に関する3症例について報告する。
論文 参考訳（メタデータ） (2021-05-03T10:20:47Z) - 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) - Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [50.521292491613224]
インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。
これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。
本研究では,不正行為をリアルタイムに検出する手法を提案する。
論文 参考訳（メタデータ） (2020-05-04T21:36:18Z)
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。