超越交易数据:公众认知与兴趣对加密货币波动性的隐性影响
统计金融
2024-10-23 v2 机器学习
摘要
自 2009 年比特币问世以来,加密货币已成为重要的去中心化金融资产并风靡全球。然而,其去中心化特性导致相对于传统法定货币存在显著波动性,使得准确预测加密-法定货币汇率的任务十分复杂。本研究考察影响比特币-美元汇率波动性的各种独立因素。为此,我们提出 CoMForE,一种多模态 AdaBoost-LSTM 集成模型,其不仅利用历史交易数据,还融合了相关推文的公众情绪、由搜索量体现的公众兴趣以及区块链算力数据。我们所开发的模型更进一步预测加密货币整体价值分布的波动,从而提升其对投资决策的价值。我们通过综合实验对该方法进行了广泛测试,由此验证了多模态组合相对于单纯依赖交易数据的重要性。进一步实验表明,我们的方法显著超越现有预测工具与方法,展现出 19.29% 的提升。该结果凸显了外部独立因素对加密货币波动性的影响。
引用
@article{arxiv.2202.08967,
title = {Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility},
author = {Zeyd Boukhers and Azeddine Bouabdallah and Cong Yang and Jan Jürjens},
journal= {arXiv preprint arXiv:2202.08967},
year = {2024}
}
备注
Published at the 32nd ACM International Conference on Information and Knowledge Management (CIKM 2023)