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

利用 Word2vec 和 N-gram 文本表示方法，对 Twitter 上大众情绪进行情感分析，并应用监督式机器学习原理分析某公司股票市场的走势与 Twitter 上情感的相关性，研究表明社交媒体中与某公司相关的正面消息和推文会鼓励人们投资该公司的股票，从而提高该公司的股价。

Oct, 2016

利用 GPT-4 和基于 BERT 模型的多模态情绪分析，通过将表情符号转化为可量化的情绪数据，将其与 BTC 价格和 VCRIX 指数等关键市场指标相关联，从而开发出基于社交媒体元素的交易策略，帮助识别和预测市场趋势，避免重大市场下滑并促进回报稳定。

Feb, 2024

该研究旨在实时追踪并监测加密货币新闻，利用机器学习模型预测其发布后前 24 小时在 Twitter 上被提及的数量，并比较了多种模型，其结果表明随机森林自回归模型在大多数情况下表现良好。

Mar, 2019

本研究探讨了来自 X 平台数据的情绪趋势与 Cardano、Binance、Fantom、Matic 和 Ripple 这些知名加密货币的市场动态之间的关系，时间跨度为 2022 年 10 月至 2023 年 3 月。利用 SenticNet，我们识别了恐惧和焦虑、愤怒和怒火、悲伤和忧愁、愉悦和舒适、热情和渴望、愉悦和喜悦等情绪。在数据提取之后，我们将每个月划分为两周间隔，并在 Finance-Yahoo 获得的价格数据上复制此过程。因此，进行了比较分析，建立了观察到的两周间隔情绪趋势和加密货币价格之间的联系，揭示了情绪情感与币值之间的显著相关性。

May, 2024

本文研究了社交媒体平台 Twitter 与金融市场的关系，以事件研究方法分析其对道琼斯工业平均指数 30 家上市公司的影响，结果显示 Twitter 情绪对于峰值期间的异常收益确实存在显著影响。

Jun, 2015

本研究通过时间序列分析和自然语言处理，评估了利用 Twitter 情感进行预测特斯拉、苹果等主要公司股票价格的可行性，结果表明积极性、消极性和主观性是股票价格波动的主要决定因素。该研究强调了将公众意见纳入股票价格预测的重要性，同时指出利用 Twitter 情感可以作为预测股票价格的有效工具，应纳入投资策略制定。

Aug, 2023

探索机器学习和自然语言处理技术在加密货币价格预测中的应用，通过分析来自 Twitter 和 Reddit 的新闻和社交媒体数据，使用深度学习的 NLP 方法研究公众情绪对加密货币估值的影响，将加密货币价格预测视为分类问题，比较不同的机器学习模型的性能，并发现含有 NLP 数据显著提升了预测性能，强调了文本分析在改善金融预测中的潜力，证明了各种 NLP 技术在捕捉细微市场情绪方面的效果。

Nov, 2023

研究使用基于 Transformer 的神经网络对以太坊加密货币价格进行预测，实验证明加密货币价格与其他加密货币和市场情绪有很强的相关性。模型利用 Transformer 架构从单一特征到包括成交量、情绪和相关加密货币价格的复杂配置进行多种设置。尽管数据集较小且架构较简单，Transformer 模型在某些参数上超越了 ANN 和 MLP。结论提出了有关加密货币价格变动受情绪影响的因果关系幻觉的假设。

Jan, 2024

该研究使用 HITS 算法，根据影响力分离数据集，分析了 Twitter 上具有影响力和不具有影响力的用户之间的差异，并采用主题建模揭示了这两个群体在比特币方面的语言和兴趣上的差异。我们发现少数用户（0.72%）代表了大多数（80%）比特币言论的权威性。

Mar, 2023