利用大语言模型进行加密货币讨论中的情感动力学与预测行为分析
计算与语言
2024-09-05 v1 人工智能
计算工程、金融与科学
机器学习
摘要
本研究利用先进的自然语言处理技术，对加密货币相关讨论中的预测陈述、希望言论和后悔检测行为进行分析。我们引入一种新颖的分类方案，称为“预测陈述”，将评论分为预测递增、预测递减、预测中性或非预测性四个类别。采用最前沿的大语言模型 GPT-4o，我们探讨了比特币、Cardano、Binance、Matic、Fantom 和 Ripple 五大加密货币之间的情感动力学。我们的分析揭示了预测情感的不同模式，其中 Matic 显示出更高的乐观预测倾向。此外，我们还调查了希望和后悔情感，揭示了这些情感与预测行为之间的细微相互作用。尽管面临数据量和资源 availability 限制，本研究仍报告了有关投资者行为和加密货币市场情感趋势的宝贵发现，为战略决策和未来研究开辟了方向。
引用
@article{arxiv.2409.02836,
title = {Exploring Sentiment Dynamics and Predictive Behaviors in Cryptocurrency Discussions by Few-Shot Learning with Large Language Models},
author = {Moein Shahiki Tash and Zahra Ahani and Mohim Tash and Olga Kolesnikova and Grigori Sidorov},
journal= {arXiv preprint arXiv:2409.02836},
year = {2024}
}