論文の概要: When Blockchain Meets Crawlers: Real-time Market Analytics in Solana NFT Markets

• arxiv url: http://arxiv.org/abs/2506.02892v1
• Date: Tue, 03 Jun 2025 14:01:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 04:22:50.795906
• Title: When Blockchain Meets Crawlers: Real-time Market Analytics in Solana NFT Markets
• Title（参考訳）: ブロックチェーンとクローラー:ソラナNTT市場におけるリアルタイム市場分析
• Authors: Chengxin Shen, Zhongwen Li, Xiaoqi Li, Zongwei Li,
• Abstract要約: NFTの市場データの自動収集と分析のためのSolanaブロックチェーンに基づくWebクローラシステムの設計と実装を行う。 ソラナチェーン上の一般的なNFTの基本情報とトランザクションデータは、Seleniumツールを用いて収集される。 マジックエデン取引市場の取引記録は、NFTの価格変動と市場動向を調べるためのScrapyフレームワークと組み合わせられている。
• 参考スコア（独自算出の注目度）: 1.7279494037526189
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we design and implement a web crawler system based on the Solana blockchain for the automated collection and analysis of market data for popular non-fungible tokens (NFTs) on the chain. Firstly, the basic information and transaction data of popular NFTs on the Solana chain are collected using the Selenium tool. Secondly, the transaction records of the Magic Eden trading market are thoroughly analyzed by combining them with the Scrapy framework to examine the price fluctuations and market trends of NFTs. In terms of data analysis, this paper employs time series analysis to examine the dynamics of the NFT market and seeks to identify potential price patterns. In addition, the risk and return of different NFTs are evaluated using the mean-variance optimization model, taking into account their characteristics, such as illiquidity and market volatility, to provide investors with data-driven portfolio recommendations. The experimental results show that the combination of crawler technology and financial analytics can effectively analyze NFT data on the Solana blockchain and provide timely market insights and investment strategies. This study provides a reference for further exploration in the field of digital currencies.
• Abstract（参考訳）: 本稿では,チェーン上の一般的な非偽造トークン(NFT)の市場データの自動収集と分析を目的とした,Solanaブロックチェーンに基づくWebクローラシステムの設計と実装を行う。 まず、Solenium ツールを用いて、Solana チェーン上の一般的な NFT の基本情報とトランザクションデータを収集する。 次に、マジックエデン取引市場の取引記録をScrapyフレームワークと組み合わせて、NFTの価格変動と市場動向を詳細に分析する。 データ分析の分野では,NFT市場の動態を調べるために時系列分析を用い,潜在的な価格パターンの同定を試みる。 さらに、データ駆動ポートフォリオレコメンデーションを投資家に提供するために、不確実性や市場のボラティリティなどの特徴を考慮した平均分散最適化モデルを用いて、異なるNFTのリスクとリターンを評価する。 実験の結果,クローラ技術と金融分析を組み合わせることで,Solanaブロックチェーン上のNFTデータを効果的に分析し,タイムリーな市場洞察と投資戦略を提供することができた。 本研究は、デジタル通貨分野におけるさらなる探究の参考となるものである。

関連論文リスト

• Exposing Product Bias in LLM Investment Recommendation [35.192944979712394]
  大規模言語モデル(LLM)は、新しい世代のレコメンデーションエンジンとして、強力な要約とデータ分析機能を持っている。 本稿では, LLM投資推奨において, LLMが特定の商品に対して体系的な嗜好を示す新たな製品バイアスを明らかにする。 このような好みは、ユーザーの投資決定に微妙に影響を及ぼし、製品や金融バブルの評価が膨らむ可能性がある。
  論文  参考訳（メタデータ） (2025-03-11T13:10:00Z)
• FinTMMBench: Benchmarking Temporal-Aware Multi-Modal RAG in Finance [79.78247299859656]
  FinTMMBenchは、ファイナンスにおける時間対応マルチモーダル検索・拡張生成システムを評価するための、最初の包括的なベンチマークである。 NASDAQ 100社の異種データから構築されたFinTMMBenchには,3つの大きなメリットがある。
  論文  参考訳（メタデータ） (2025-03-07T07:13:59Z)
• Integrative Analysis of Financial Market Sentiment Using CNN and GRU for Risk Prediction and Alert Systems [37.73552608952924]
  本稿では,CNN(Convolutional Neural Networks)とGated Recurrent Units(GRU)を統合することで,株式市場の感情を詳細に検証する。 CNNのロバストな特徴抽出能力は、ネットワークテキストデータの事前処理と分析に利用され、局所的な特徴やパターンを識別する。 抽出した特徴系列はGRUモデルに入力され、時間とともに感情状態が進行し、将来の市場の感情やリスクに潜在的に影響することを理解する。
  論文  参考訳（メタデータ） (2024-12-13T15:17:23Z)
• Stock Price Prediction using Multi-Faceted Information based on Deep Recurrent Neural Networks [0.3749861135832073]
  本研究では、畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)ネットワークを統合することで、株式市場の株価を予測する新しい手法を提案する。 提案手法は,ソーシャルネットワークデータの感情分析とロウソクスティックデータの2つの主成分から構成される。
  論文  参考訳（メタデータ） (2024-11-29T15:12:48Z)
• 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)
• NFT1000: A Cross-Modal Dataset for Non-Fungible Token Retrieval [38.63307493935328]
  我々は、756万の画像テキストペアを含む「NFT Top1000 Visual-Text」(NFT1000)というベンチマークデータセットを導入する。 このデータセットと、CLIPシリーズの事前学習モデルを活用することにより、動的マスキング微調整方式を提案する。 また、ビジュアルテキストペアデータの類似性と検索難度を評価するために、ロバストなメトリクス包括的変動指標(CVI)を提案する。
  論文  参考訳（メタデータ） (2024-01-29T03:30:15Z)
• NoxTrader: LSTM-Based Stock Return Momentum Prediction for Quantitative Trading [0.0]
  NoxTraderはポートフォリオの構築と取引実行のために設計された洗練されたシステムである。 NoxTraderの基本的な学習プロセスは、歴史的取引データから得られた貴重な洞察の同化に根ざしている。 厳密な特徴工学と予測対象の選択により,0.65から0.75の範囲の顕著な相関範囲で予測データを生成することができる。
  論文  参考訳（メタデータ） (2023-10-01T17:53:23Z)
• 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)
• Show me your NFT and I tell you how it will perform: Multimodal representation learning for NFT selling price prediction [2.578242050187029]
  非Fungible Tokens(NFT)は、ブロックチェーン技術とスマートコントラクトに基づく、デジタルアートフォーム(アートワークやコレクションブルなど)上のユニークな暗号資産の所有権の行為を表す。 我々は,NFT画像とテキストのコレクション上に,グラフニューラルネットワークモデルとともにトランスフォーマーベースの言語と視覚モデルをトレーニングするために設計された,新しいマルチモーダルディープラーニングフレームワークであるMERLINを提案する。 MERLINの重要な側面は、NFTトレーディングに関心のあるユーザが処理したいプライマリデータのみを利用するため、金融機能に対する独立性である。
  論文  参考訳（メタデータ） (2023-02-03T11:56:38Z)
• Bubble or Not: Measurements, Analyses, and Findings on the Ethereum ERC721 and ERC1155 Non-fungible Token Ecosystem [22.010657813215413]
  NFTの時価総額は2021年に215億米ドルに達した。 2022年第2四半期のNFT市場の急激な下落は、NFT市場の目に見えるブームに疑問を呈している。 ブロックチェーン全体からデータを収集することにより、NFT生成グラフ、NFT転送グラフ、NFTホールドグラフという3つのグラフを構築し、NFTトレーダーを特徴付ける。 我々は,NFTの活性度と値の定量化のための新しい指標を提案し,インジケータとグラフ解析を組み合わせてバブルNFTを見つけるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-05T10:17:57Z)

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。