用于非线性因果检测的信息论测度：在社交媒体情绪与加密货币价格中的应用
数据分析、统计与概率
2023-03-24 v2 物理与社会
综合金融
摘要
时间序列之间的信息传递是通过使用称为转移熵的非对称信息论测度来计算的。Geweke 的 Granger 因果关系自回归公式用于寻找线性转移熵，而 Schreiber 的一般非参数信息论公式用于检测非线性转移熵。我们首先针对合成数据验证这些测度。然后，我们应用这些测度来检测社交媒体情绪与加密货币价格之间的因果关系。我们通过将信息传递与通过打乱时间序列确定的零假设进行比较来进行显著性检验，并计算 Z 分数。我们还研究了非参数密度估计中分区的不同方法，这些方法可以提高结果的显著性。利用这些技术对四种主要加密货币（即比特币 (BTC)、瑞波币 (XRP)、莱特币 (LTC) 和以太坊 (ETH)）截至 2018 年 8 月的 48 个月内的情绪和价格数据进行分析，我们在小时级时间尺度上检测到了显著的信息传递，方向既有从情绪到价格，也有从价格到情绪。我们报告称，非线性因果关系的尺度比线性因果关系大一个数量级。
引用
@article{arxiv.1906.05740,
title = {Information-theoretic measures for non-linear causality detection: application to social media sentiment and cryptocurrency prices},
author = {Z. Keskin and T. Aste},
journal= {arXiv preprint arXiv:1906.05740},
year = {2023}
}
备注
12 pages, 7 figures, 1 table