論文の概要: Forecasting Cryptocurrency Prices Using Deep Learning: Integrating
Financial, Blockchain, and Text Data
- arxiv url: http://arxiv.org/abs/2311.14759v1
- Date: Thu, 23 Nov 2023 16:14:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-30 09:35:18.084369
- Title: Forecasting Cryptocurrency Prices Using Deep Learning: Integrating
Financial, Blockchain, and Text Data
- Title（参考訳）: ディープラーニングによる暗号通貨価格予測 - 金融、ブロックチェーン、テキストデータの統合
- Authors: Vincent Gurgul, Stefan Lessmann, Wolfgang Karl H\"ardle
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.8443430569753025
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper explores the application of Machine Learning (ML) and Natural
Language Processing (NLP) techniques in cryptocurrency price forecasting,
specifically Bitcoin (BTC) and Ethereum (ETH). Focusing on news and social
media data, primarily from Twitter and Reddit, we analyse the influence of
public sentiment on cryptocurrency valuations using advanced deep learning NLP
methods. Alongside conventional price regression, we treat cryptocurrency price
forecasting as a classification problem. This includes both the prediction of
price movements (up or down) and the identification of local extrema. We
compare the performance of various ML models, both with and without NLP data
integration. Our findings reveal that incorporating NLP data significantly
enhances the forecasting performance of our models. We discover that
pre-trained models, such as Twitter-RoBERTa and BART MNLI, are highly effective
in capturing market sentiment, and that fine-tuning Large Language Models
(LLMs) also yields substantial forecasting improvements. Notably, the BART MNLI
zero-shot classification model shows considerable proficiency in extracting
bullish and bearish signals from textual data. All of our models consistently
generate profit across different validation scenarios, with no observed decline
in profits or reduction in the impact of NLP data over time. The study
highlights the potential of text analysis in improving financial forecasts and
demonstrates the effectiveness of various NLP techniques in capturing nuanced
market sentiment.
- Abstract（参考訳）: 本稿では,暗号通貨の価格予測,特にBitcoin(BTC)とEthereum(ETH)における機械学習(ML)と自然言語処理(NLP)の応用について検討する。
主にtwitterとredditのニュースやソーシャルメディアのデータに焦点を当て,高度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した。
従来の価格回帰に加えて、暗号通貨の価格予測を分類問題として扱う。
これには価格変動の予測(上昇または下降)と局所極端の識別の両方が含まれる。
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。
その結果,NLPデータの導入により予測性能が大幅に向上することが判明した。
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非常に有効であること,そして細調整されたLarge Language Models (LLMs) が大幅な予測改善をもたらすことを発見した。
特に、BART MNLIゼロショット分類モデルでは、テキストデータからブルリッシュ信号やベアリッシュ信号を抽出する能力がかなり高い。
当社のモデルはすべて、さまざまな検証シナリオで一貫して利益を生成しますが、利益の減少やNLPデータの影響の減少は観測できません。
本研究は,金融予測の改善におけるテキスト分析の可能性を浮き彫りにし,ニュアンス市場の感情を捉えたnlp手法の有効性を実証する。
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) - 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) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳（メタデータ） (2023-10-02T12:33:28Z) - 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) - 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) - 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) - Taking Over the Stock Market: Adversarial Perturbations Against
Algorithmic Traders [47.32228513808444]
本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。
入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
論文 参考訳（メタデータ） (2020-10-19T06:28:05Z) - KryptoOracle: A Real-Time Cryptocurrency Price Prediction Platform Using
Twitter Sentiments [0.0]
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。
論文 参考訳（メタデータ） (2020-02-21T20:38:46Z) - 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。