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

通过整合计算机金融、比特币、算法交易、社交媒体情感和盈利能力方面的知识，我们成功地设计了算法交易策略，并证实了基于社交媒体情感的交易能够带来高盈利。

Jun, 2015

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

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

研究加密货币市场中社交媒体数据对其价格预测的影响，提出一种测量用户对社交媒体上讨论的话题互动的新模型并根据此模型测算 48 种加密货币未来投资回报，结果表明加密货币的回报与其关注度及人为动态的自动化账户有关，而对具有一定阈值的加密货币进行选择的简单投资策略可在短期内获得较好收益。

Sep, 2022

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

本研究分析了比特币价格的可能驱动因素，包括基本面、投机性和技术性来源，以及中国市场的影响。同时，我们还应用了连续小波分析框架考察了关系的时域和频域演化。

Jun, 2014

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