論文の概要: From On-chain to Macro: Assessing the Importance of Data Source Diversity in Cryptocurrency Market Forecasting

• arxiv url: http://arxiv.org/abs/2506.21246v1
• Date: Thu, 26 Jun 2025 13:29:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.099159
• Title: From On-chain to Macro: Assessing the Importance of Data Source Diversity in Cryptocurrency Market Forecasting
• Title（参考訳）: オンチェーンからマクロへ:暗号通貨市場予測におけるデータソースの多様性の重要性を評価する
• Authors: Giorgos Demosthenous, Chryssis Georgiou, Eliada Polydorou,
• Abstract要約: 本研究では,データソースの多様性が暗号予測モデルの性能に与える影響について検討する。 データカテゴリには、技術的指標、オンチェーンメトリクス、感情と関心の指標、伝統的な市場指標、マクロ経済指標が含まれる。
• 参考スコア（独自算出の注目度）: 1.2289361708127877
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigates the impact of data source diversity on the performance of cryptocurrency forecasting models by integrating various data categories, including technical indicators, on-chain metrics, sentiment and interest metrics, traditional market indices, and macroeconomic indicators. We introduce the Crypto100 index, representing the top 100 cryptocurrencies by market capitalization, and propose a novel feature reduction algorithm to identify the most impactful and resilient features from diverse data sources. Our comprehensive experiments demonstrate that data source diversity significantly enhances the predictive performance of forecasting models across different time horizons. Key findings include the paramount importance of on-chain metrics for both short-term and long-term predictions, the growing relevance of traditional market indices and macroeconomic indicators for longer-term forecasts, and substantial improvements in model accuracy when diverse data sources are utilized. These insights help demystify the short-term and long-term driving factors of the cryptocurrency market and lay the groundwork for developing more accurate and resilient forecasting models.
• Abstract（参考訳）: 本研究では,データソースの多様性が暗号通貨予測モデルの性能に与える影響について,技術指標,オンチェーン指標,感情と関心指標,従来の市場指標,マクロ経済指標など,さまざまなデータカテゴリを統合することで検討する。 我々は、市場資本化による上位100の暗号通貨を表すCrypto100インデックスを導入し、多様なデータソースから最も影響のある、回復力のある特徴を特定するための、新しい機能削減アルゴリズムを提案する。 我々の総合的な実験は、データソースの多様性が、異なる時間軸における予測モデルの予測性能を著しく向上させることを示した。 主な発見は、短期予測と長期予測の両方におけるオンチェーン指標の重要度、長期予測における従来の市場指標とマクロ経済指標の関連性の増加、多種多様なデータソースを使用する場合のモデル精度の大幅な向上である。 これらの洞察は、暗号通貨市場の短期的および長期的要因を解明し、より正確でレジリエントな予測モデルを開発するための基盤となる。

関連論文リスト

• 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)
• CryptoMamba: Leveraging State Space Models for Accurate Bitcoin Price Prediction [28.15955243872829]
  本稿では,マンバをベースとした新しいステートスペースモデル(SSM)アーキテクチャであるCryptoMambaを提案する。 我々の実験は、CryptoMambaがより正確な予測を提供するだけでなく、異なる市場条件における一般化性も向上していることを示している。 我々の調査結果は、株式や暗号通貨の価格予測タスクにおいて、SSMにとって大きな優位性を示している。
  論文  参考訳（メタデータ） (2025-01-02T02:16:56Z)
• Enhancing Multistep Prediction of Multivariate Market Indices Using Weighted Optical Reservoir Computing [3.4442963880376203]
  重み付き光貯水池計算システムを用いて,革新的な株価指数予測手法を提案し,実験的に実証した。 我々は、マクロ経済データと技術指標を組み合わせた基本的な市場データを構築し、株式市場のより広い振る舞いを捉える。
  論文  参考訳（メタデータ） (2024-08-01T15:41:08Z)
• ALERTA-Net: A Temporal Distance-Aware Recurrent Networks for Stock Movement and Volatility Prediction [20.574163667057476]
  我々は、株式市場予測の精度を高めるために、世論の豊かな情報源であるソーシャルメディアデータの力を活用している。 我々は、感情分析、マクロ経済指標、検索エンジンデータ、過去の価格をマルチアテンション深層学習モデルに組み込むアプローチを開拓した。 市場の動向とボラティリティの予測のために,私たちによって特別にキュレーションされたデータセットを用いて,提案モデルの最先端性能を示す。
  論文  参考訳（メタデータ） (2023-10-28T13:31:39Z)
• 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)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)
• Forecasting financial markets with semantic network analysis in the COVID-19 crisis [0.0]
  この指標をイタリアの報道機関に適用し、イタリア株と債券市場のリターンとボラティリティを予測する指標を構築します。 その結果、債券市場データの予測可能性、リターンとボラティリティ、短期と長期の成熟度、および株式市場のボラティリティの強い証拠が示唆された。
  論文  参考訳（メタデータ） (2020-09-09T15:40:56Z)

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。