本文深入分析了互联网社区组织的 “炒作 - 倒卖” 诈骗机制，并进一步报告了两个相关的案例研究。最后，我们介绍一种实时检测诈骗的方法，以帮助投资者避免受害。

May, 2020

本文研究了加密货币在社交媒体平台上的欺诈行为，发现大量 Twitter 账户是机器人或被停止使用的账户，同时通过 Telegram 和 Discord 的信息进行主题建模，发现了 “Pump-and-dump” 和 “庞氏骗局” 两种不同的欺诈方案。鉴于 Telegram 中有超过 20％的频道与这些骗局有关，该研究揭示了一个鲜为人知的社交机器人活动，为打击加密货币网络操纵制定了可操作的政策。

Jan, 2020

本研究探讨社交媒体、低成本交易平台和纯真投资者相交的情况，创建了一个基于社交媒体帖子的预测模型工具，可对 Pump&Dump 式的市场操纵提前进行预警，并在最佳模型下实现了 85% 的准确率和 62% 的 F1 得分。

Jan, 2023

通过一项在线实验研究了区块链交易市场中交易者对同侪影响的敏感度以及设计选择对市场行为的影响。结果表明交易者的购买行为会导致购买行为的短期活跃，而交易所的设计会对此产生积极的社会和经济影响。

Jan, 2018

该研究通过使用 NLP 技术和基于幂律动态的交易模型，探讨了加密货币和模因股票市场中由社交媒体信息产生的 “泡沫” 现象，为金融市场提供了一种分析和检测新型数字资产的方法。

May, 2022

通过对包括卡尔达诺、币安、比特币、狗狗币、以太坊、空灵、Matic、币神和瑞波在内的多个数字货币的英文推特大数据集进行详尽研究，本文主要旨在进行社交媒体内容的心理和情感分析，比较不同数字货币之间的语言特征，探讨不同数字货币社区中呈现的独特语言模式，并揭示了这些数字资产在加密货币社区中的相互作用。

Jan, 2024

本研究探讨了不同的自然语言处理模型在社交媒体情感分析中的可用性，应用于金融市场预测，以加密货币领域为参考。我们研究了不同情感度量与比特币价格波动之间的相关性。通过实验我们发现有一个模型优于其他 20 多个公开模型，且通过 fine-tune 可以得到更好的性能，其解释性更强。因此我们证实可解释的人工智能和自然语言处理方法可能比不可解释的方法更有实际价值。最后，我们分析了不同情感度量与价格波动之间的潜在因果关系。

Apr, 2022

我们的工作提出了两个基本贡献：在应用方面，我们解决了预测次日加密货币价格的难题；在方法上，我们提出了一种新的动态建模方法，深度状态空间模型，它保持了状态空间模型的概率形式，提供了估计的不确定性量化，并具备深度神经网络的函数逼近能力。实验使用了从 Yahoo Finance 获取的已建立的加密货币进行，旨在预测下一天的价格。与现有技术和传统动态建模技术进行了基准测试，结果显示所提出的方法在准确性方面取得了最佳综合结果。

Nov, 2023

本研究通过结合短文本主题建模和情感分析的技术来探讨 Twitter 等微博平台传达的叙述与加密资产价值之间的关系，揭示了涉及财务投资、技术进步、金融政策管制、媒体报道等 4-5 个与加密货币有关的叙述，并发现了其中部分叙述与加密货币价格之间的强关联。这一工作将最新的《叙事经济学》理论与主题建模和情感分析的研究领域相结合，以探讨与叙述相关的消费者行为。

Jun, 2023

通过分析历史数据和使用人工智能算法，本文研究了影响加密货币价格的因素以及如何识别风险的加密货币，并通过对链上参数的聚类和分类，得出了 39% 加密货币消失于市场而仅有 10% 存活超过 1000 天的结果，发现了加密货币价格与最大供应量、总供应量之间显著的负相关性，以及与 24 小时交易量之间的弱正相关性。同时，通过对加密货币的聚类，可以更全面地了解其特性，并通过 K - 最近邻算法得到 76% 的最佳 F1 分数，判断加密货币的风险程度。

Aug, 2023