論文の概要: A Multisource Fusion Framework for Cryptocurrency Price Movement Prediction

• arxiv url: http://arxiv.org/abs/2409.18895v2
• Date: Mon, 25 Aug 2025 16:29:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.027529
• Title: A Multisource Fusion Framework for Cryptocurrency Price Movement Prediction
• Title（参考訳）: 暗号価格変動予測のためのマルチソース統合フレームワーク
• Authors: Saeed Mohammadi Dashtaki, Reza Mohammadi Dashtaki, Mehdi Hosseini Chagahi, Behzad Moshiri, Md. Jalil Piran,
• Abstract要約: 本研究では,X(旧Twitter)から得られた定性的な感情信号と,歴史的価格や技術的指標などの定量的な財務指標を統合するマルチソース融合フレームワークを提案する。 大規模なBitcoinデータセットの実験結果は、提案手法がシングルソースモデルを大幅に上回っていることを示している。
• 参考スコア（独自算出の注目度）: 5.252967226385235
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Predicting cryptocurrency price trends remains a major challenge due to the volatility and complexity of digital asset markets. Artificial intelligence (AI) has emerged as a powerful tool to address this problem. This study proposes a multisource fusion framework that integrates quantitative financial indicators, such as historical prices and technical indicators, with qualitative sentiment signals derived from X (formerly Twitter). Sentiment analysis is performed using Financial Bidirectional Encoder Representations from Transformers (FinBERT), a domain-specific BERT-based model optimized for financial text, while sequential dependencies are captured through a Bidirectional Long Short-Term Memory (BiLSTM) network. Experimental results on a large-scale Bitcoin dataset demonstrate that the proposed approach substantially outperforms single-source models, achieving an accuracy of approximately 96.8\%. The findings underscore the importance of incorporating real-time social sentiment alongside traditional indicators, thereby enhancing predictive accuracy and supporting more informed investment decisions.
• Abstract（参考訳）: 仮想通貨価格のトレンドを予測することは、デジタル資産市場のボラティリティと複雑さのために依然として大きな課題である。 人工知能(AI)は、この問題に対処するための強力なツールとして登場した。 本研究では,X(旧Twitter)から派生した定性的な感情信号と,歴史的価格や技術的指標などの定量的な財務指標を統合するマルチソース融合フレームワークを提案する。 FinBERT(Financial Bidirectional Encoder Representations from Transformers)は、ファイナンシャルテキストに最適化されたドメイン固有BERTベースのモデルである。 大規模なBitcoinデータセットの実験結果は、提案手法が単一ソースモデルを大幅に上回っており、約96.8\%の精度を達成していることを示している。 この結果は、従来の指標と並んでリアルタイムの社会的感情を取り入れることの重要性を浮き彫りにして、予測精度を高め、より情報的な投資決定を支援することの重要性を浮き彫りにした。

関連論文リスト

• Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
  TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。 本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-06T13:08:55Z)
• crypto price prediction using lstm+xgboost [0.0]
  本研究では,Long Short-Term Memory(LSTM)ネットワークとExtreme Gradient Boosting(XGBoost)を統合したハイブリッドディープラーニングと機械学習モデルを提案する。 LSTMコンポーネントは過去の価格データの時間的依存性を捉え、XGBoostは感情スコアやマクロ経済指標などの補助的特徴との非線形関係をモデル化することによって予測を強化する。 このモデルは、Bitcoin、Dogecoin、Litecoinの歴史的データセットに基づいて評価され、グローバルおよびローカライズされた交換データの両方を取り入れている。
  論文  参考訳（メタデータ） (2025-06-27T09:49:25Z)
• FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
  ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。 FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
  論文  参考訳（メタデータ） (2025-02-26T05:19:16Z)
• Multimodal Stock Price Prediction [0.0]
  さまざまなデータソースと機械学習を慎重に統合して、正確な株価予測を行うことがますます重要になっている。 本稿では,従来の財務指標,つぶやき,ニュース記事など,さまざまな情報源のデータを組み合わせて,株価予測のためのマルチモーダル機械学習手法を提案する。
  論文  参考訳（メタデータ） (2025-01-23T16:38:46Z)
• FinRobot: AI Agent for Equity Research and Valuation with Large Language Models [6.2474959166074955]
  本稿では、エクイティリサーチに特化したAIエージェントフレームワークであるFinRobotについて述べる。 FinRobotはマルチエージェント・チェーン・オブ・シント(CoT)システムを採用し、定量分析と定性的分析を統合し、人間のアナリストの包括的な推論をエミュレートする。 CapitalCubeやWright Reportsのような既存の自動研究ツールとは異なり、FinRobotは大手ブローカー会社や基礎研究ベンダーと同等の洞察を提供する。
  論文  参考訳（メタデータ） (2024-11-13T17:38:07Z)
• FinBERT-BiLSTM: A Deep Learning Model for Predicting Volatile Cryptocurrency Market Prices Using Market Sentiment Dynamics [3.6423651166048874]
  本稿では,双方向長短期メモリ(Bidirectional Long Short-Term Memory, Bi-LSTM)ネットワークとFinBERTを併用して,暗号通貨の予測精度を向上させるハイブリッドモデルを提案する。 このアプローチは、先進的な時系列モデルと感情分析を組み合わせることで、不安定な金融市場の予測において重要なギャップを埋める。
  論文  参考訳（メタデータ） (2024-11-02T14:43:06Z)
• Predicting Bitcoin Market Trends with Enhanced Technical Indicator Integration and Classification Models [6.39158540499473]
  本研究では,暗号市場の方向性を予測するための分類に基づく機械学習モデルを提案する。 歴史的データと、移動平均収束分量、相対強度指数、ボリンジャーバンドなどの重要な技術指標を用いて訓練されている。 その結果、購入/販売信号の精度は92%を超えた。
  論文  参考訳（メタデータ） (2024-10-09T14:29:50Z)
• Cryptocurrency Price Forecasting Using XGBoost Regressor and Technical Indicators [2.038893829552158]
  本研究では,暗号通貨の価格を予測するための機械学習手法を提案する。 我々は、XGBoost回帰モデルの訓練および供給のために、EMA(Exponential moving Avergence)やMACD( moving Avergence Divergence)といった重要な技術指標を活用している。 モデルの性能を様々なシミュレーションにより評価し,有望な結果を示す。
  論文  参考訳（メタデータ） (2024-07-16T14:41:27Z)
• 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)
• Enhancing Financial Data Visualization for Investment Decision-Making [0.04096453902709291]
  本稿では,ストックダイナミクスを予測するLong Short-Term Memory(LSTM)ネットワークの可能性について検討する。 この研究は、複雑なパターンをキャプチャするLSTMの能力を高めるために、複数の特徴を取り入れている。 LSTMには25日間のタイムステップで重要な価格とボリューム特性が組み込まれている。
  論文  参考訳（メタデータ） (2023-12-09T07:53:25Z)
• Interplay between Cryptocurrency Transactions and Online Financial Forums [41.94295877935867]
  本研究は、これらの暗号掲示板間の相互作用と暗号値の変動に関する研究に焦点をあてる。 これは、Bitcointalkフォーラムの活動がBTCの値のトレンドと直接的な関係を保っていることを示している。 この実験は、フォーラムデータが金融分野における特定の出来事を説明することを強調している。
  論文  参考訳（メタデータ） (2023-11-27T16:25:28Z)
• 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)
• Forecasting Bitcoin volatility spikes from whale transactions and CryptoQuant data using Synthesizer Transformer models [5.88864611435337]
  ボラティリティ予測のためのディープラーニング合成器変換器モデルを提案する。 以上の結果から,既存の最先端モデルよりも優れたモデルであることが示唆された。 提案手法はビットコイン市場における極端なボラティリティ(変動性)の動きを予測するための有用なツールであることを示す。
  論文  参考訳（メタデータ） (2022-10-06T05:44:29Z)
• 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)
• Sequence-Based Target Coin Prediction for Cryptocurrency Pump-and-Dump [39.06710188537909]
  本報告では, スケジュールされたポンプ時間前に, 対象交換所に記載された全ての硬貨のポンプ確率を予測することに焦点を当てる。 我々は,2019年1月から2022年1月まで,Telegramで開催されている最新の709件のP&Dイベントを包括的に調査する。 我々は、チャネルのP&Dイベント履歴をシーケンス表現にエンコードする、SNNと呼ばれる新しいシーケンスベースニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2022-04-21T16:34:53Z)
• 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)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)
• Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
  ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。 本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。 当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
  論文  参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。