May, 2024

利用 SenticNet 分析 X 平台情绪趋势：与加密货币价格的比较分析

PDF
TL;DR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。
发现论文，激发创造
  • 情感与加密货币价格之间的因果关系

    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

  • 加密货币市场预测的社交媒体情感分析

    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

  • 基于基因组和表观基因组特征的增强子和超级增强子的深度学习模型利用

    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

  • 基于表情符号的加密资产市场反应

    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

  • StockEmotions: 金融情绪分析和多元时间序列的投资者情绪发现

    介绍了 StockEmotions 数据集，其中包括股票市场的情感情绪分类和时间序列数据，通过 NLP 技术和 LSTM 模型处理，可以提高金融情感分类和多元时间序列预测的性能。

    Jan, 2023

  • 基于 Transformer 的以跨币种相关性和情感分析为基础的以太坊价格预测方法

    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

  • 股市情绪分类和精细调整的 BERT 回测

    基于情绪理论，本文以东方财富网为例，从用户评论数据中提取情感信息，并结合 Alpha191 模型进行回归分析，结果显示情感因素的加入使回报率相比于基准模型提高了 73.8%，相比于原始 alpha191 模型提高了 32.41%。同时讨论了情感因素融入量化交易的优点和缺点，并提出未来进一步研究的可能方向。

    Sep, 2023

  • 微博平台专家对股市预测表现更好吗？

    该研究使用神经网络的新组合评估基于人群金融背景的情感分析预测股市，利用 BERT 对情感进行分类，利用 LSTM 进行基于时间序列的股市预测，并利用微博作为情感数据收集源来评估结果，指出从持牌金融顾问组学习到的股市预测比未经授权的金融顾问组学习到的预测结果精确度高出 39.67％，并且相较于现有方法，该方法的准确度最高（87％）。

    Feb, 2024

  • 利用深度学习预测加密货币价格：整合金融、区块链和文本数据

    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

  • 利用自然语言处理构建中国市场金融情感因子

    本文提出了一种整合算法，通过使用 Web 浏览器自动化技术抓取多个有影响力的金融网站的许多新闻和评论，在中文语境下，利用自然语言处理技术计算这些新闻和评论的情感分数，并构建了一个与金融特定情感词库相匹配的情感因子，可以在投资决策时提供重要的参考价值。

    Sep, 2018