Jan, 2023

从在线论坛中检测泵卖股票市场操纵

PDF
TL;DR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。
social medialow-cost trading platformsinformation-based market manipulationspump&dumppredictive models
发现论文，激发创造
  • 比特币时代的泵毁操作：加密货币市场操纵的实时检测

    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

  • 加密货币泵灌倾销计划的解剖学

    本研究是首次对加密货币市场中 “炒作及抛售” 活动的详细经验查询，通过案例研究及对 Telegram 渠道所组织的 412 个 “炒作及抛售” 活动的调查，发现了与 “炒作及抛售” 计划相关的加密货币市场模式，之后，通过建立模型，可以预测加密货币上市前的涨势、提出了一种简单却非常有效的交易策略，揭示了机器学习在犯罪检测方面的应用，并证明了策略加密交易的可行性。

    Nov, 2018

  • 在线加密货币操纵的全貌

    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

  • 在中国市场利用投资者社交网络进行股票预测

    该论文研究利用中国投资者社交媒体的心理和行为特征，分析社交媒体上的群体情感、相关性感知，采用非线性模型预测中国股市股价走势，取得了良好效果。

    Jan, 2018

  • 在 Twitter 上揭示股票微博中的垃圾邮件和机器人活动

    本研究分析了 9M 与美国主要金融市场相关的推特，并发现了一种被称为 “Cashtag Piggybacking” 的恶意手法，这是由协调的机器人组织实施的，可能旨在利用高价值的股票的流行来促进低价值股票的推广。本研究的结果对于采用用户生成内容来预测股票市场的所有研究和应用都呼吁采用垃圾邮件和机器人检测技术。

    Apr, 2018

  • 红色（的）社交媒体与股价

    2021 年初由网站 Reddit 上的散户带头的 GameStop 股票空头压力，显示出社交媒体中嵌入的信息与市场走势相关。本研究旨在通过使用分类评论和流行词的每日频率作为 Fama-French 三因子模型的附加因素来研究这种关系。评论使用无监督聚类方法进行分类，而之前的研究使用的是针对所研究领域不特定的预训练模型。

    Nov, 2023

  • 高管社交媒体帖子对股价影响的评估

    本文探讨了社交媒体（Twitter 和 Reddit）帖子对于预测股票收盘价格的影响，通过将社交媒体数据的情感分析与历史股票数据相结合，使用时间序列模型进行研究分析，并实验结果表明，包括高管帖子的社交媒体数据能够显著提高股票价格的预测能力。

    Nov, 2022

  • 基于社区人气增强的投资者情绪的混合深度学习预测股票价格框架

    基于在线论坛中提取的投资者情绪，借助先进的深度学习技术实现股价预测，通过将 XLNET 模型与股票技术指标相结合，本研究提出一种新型混合深度学习框架，有效地预测股票价格。

    May, 2024

  • 股票走势预测的多模态注意力网络

    本文提出了一种利用多模态注意力网络（multi-modality attention network）进行股票预测的方法，将社交媒体中的语义信息和历史交易记录中的数字特征相结合，通过减少冲突来提高预测准确性（61.20%）和交易利润（9.13%），从而提高了股票预测的性能和为多模态融合提供了未来研究方向。

    Dec, 2021

  • 加密货币泡沫检测：一份新的股市数据集、金融任务和双曲模型

    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