論文の概要: Bayesian probabilistic exploration of Bitcoin informational quanta and interactions under the GITT-VT paradigm
- arxiv url: http://arxiv.org/abs/2511.17646v1
- Date: Thu, 20 Nov 2025 06:46:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.325978
- Title: Bayesian probabilistic exploration of Bitcoin informational quanta and interactions under the GITT-VT paradigm
- Title（参考訳）: GITT-VTパラダイムに基づくBitcoin情報量と相互作用のベイズ確率論的探索
- Authors: Quan-Hoang Vuong, Viet-Phuong La, Minh-Hoang Nguyen,
- Abstract要約: 本研究は、粒界相互作用思考理論(GITT-VT)によるBitcoinの価値形成について検討する。
物質的ユーティリティやキャッシュフローに由来するのではなく、Bitcoinの価値は情報的属性と複数の要因の相互作用から生まれる。
この研究は学際的価値理論を前進させ、Bitcoinを二重層エントロピー制御社会技術エコシステムとして実証している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study explores Bitcoin's value formation through the Granular Interaction Thinking Theory-Value Theory (GITT-VT). Rather than stemming from material utility or cash flows, Bitcoin's value arises from informational attributes and interactions of multiple factors, including cryptographic order, decentralization-enabled autonomy, trust embedded in the consensus mechanism, and socio-narrative coherence that reduce entropy within decentralized value-exchange processes. To empirically assess this perspective, a Bayesian linear model was estimated using daily data from 2022 to 2025, operationalizing four informational value dimensions: Store-of-Value (SOV), Autonomy (AUT), Social-Signal Value (SSV), and Hedonic-Sentiment Value (HSV). Results indicate that only SSV exerts a highly credible positive effect on next-day returns, highlighting the dominant role of high-entropy social information in short-term pricing dynamics. In contrast, SOV and AUT show moderately reliable positive associations, reflecting their roles as low-entropy structural anchors of long-term value. HSV displays no credible predictive effect. The study advances interdisciplinary value theory and demonstrates Bitcoin as a dual-layer entropy-regulating socio-technological ecosystem. The findings offer implications for digital asset valuation, investment education, and future research on entropy dynamics across non-cash-flow digital assets.
- Abstract（参考訳）: 本研究は, 粒界相互作用思考理論(GITT-VT)によるBitcoinの価値形成について検討する。
物質的ユーティリティやキャッシュフローから派生するのではなく、ビットコインの価値は、暗号順、分散化可能な自律性、コンセンサス機構に埋め込まれた信頼、分散化価値交換プロセス内のエントロピーを減少させる社会的なコヒーレンスなど、複数の要因の情報的属性と相互作用から生じる。
この視点を実証的に評価するために,2022年から2025年までの日次データを用いてベイズ線形モデルを推定し,情報量次元(SOV),自律性(AUT),社会信号値(SSV),ヘドニック感覚値(HSV)の4つを運用した。
以上の結果から,短期価格変動における高エントロピー社会情報の役割は,SSVだけが翌日のリターンに高い信頼感を与えることが示唆された。
対照的に、SOVとAUTは、長期的価値の低いエントロピー構造アンカーとしての役割を反映して、適度に信頼できる正の相関を示す。
HSVは信頼性のある予測効果を示さない。
この研究は学際的価値理論を前進させ、Bitcoinを二重層エントロピー制御社会技術エコシステムとして実証している。
この発見は、デジタル資産評価、投資教育、非キャッシュフローデジタル資産におけるエントロピーダイナミクスの研究に影響を及ぼす。
関連論文リスト
- Uncertainty-Aware Graph Neural Networks: A Multi-Hop Evidence Fusion Approach [55.43914153271912]
グラフニューラルネットワーク(GNN)は、グラフ構造とノード機能を統合することにより、グラフ表現学習に優れる。
既存のGNNでは、モデルの深さによって異なるクラス確率の不確実性を考慮することができず、現実のシナリオでは信頼できない、リスクの高い予測が生じる。
本稿では,信頼に値する予測を達成し,ノード分類精度を高め,誤予測のリスクを明らかにするために,新しいEvidence Fusing Graph Neural Network (EFGNN)を提案する。
論文 参考訳（メタデータ） (2025-06-16T03:59:38Z) - Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。
現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。
情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
論文 参考訳（メタデータ） (2025-03-21T18:06:28Z) - A Multisource Fusion Framework for Cryptocurrency Price Movement Prediction [5.252967226385235]
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。
論文 参考訳（メタデータ） (2024-09-27T16:32:57Z) - Trust Dynamics and Market Behavior in Cryptocurrency: A Comparative Study of Centralized and Decentralized Exchanges [1.9624273277521183]
主要なCEXであるFTXの崩壊は、信頼の計測可能な影響と、暗号通貨エコシステムに対するその突然の侵食を調査するためのユニークな自然実験を提供する。
本研究では,FTX崩壊がユーザ信頼に与える影響について検討し,トークン評価,トレーディングフロー,感情動態に着目した。
論文 参考訳（メタデータ） (2024-04-26T07:58:05Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - 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) - Heterogeneous Value Alignment Evaluation for Large Language Models [91.96728871418]
大規模言語モデル(LLM)は、その価値を人間のものと整合させることを重要視している。
本研究では,LLMと不均一値の整合性を評価するため,不均一値アライメント評価(HVAE)システムを提案する。
論文 参考訳（メタデータ） (2023-05-26T02:34:20Z) - Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility [7.091344537490436]
本研究はビットコイン・ドル取引レートのボラティリティに影響を及ぼす様々な独立した要因について検討する。
我々は,AdaBoost-LSTMアンサンブルモデルであるCoMForEを提案する。
先進的なモデルでは、全体的な暗号通貨価値分布の変動を予測し、投資決定に対する価値を高めることで、さらに一歩進んでいます。
論文 参考訳（メタデータ） (2022-02-12T21:39:29Z) - A Principled Approach to Data Valuation for Federated Learning [73.19984041333599]
フェデレートラーニング(FL)は、分散データソース上で機械学習(ML)モデルをトレーニングする一般的なテクニックである。
Shapley value (SV) はデータ値の概念として多くのデシラタを満たすユニークなペイオフスキームを定義する。
本稿では,FL に対応する SV の変種を提案する。
論文 参考訳（メタデータ） (2020-09-14T04:37:54Z)
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。