基于情绪梯度提升树模型的另类加密货币价格波动预测

在本文中，我们分析Twitter信号作为用户情绪媒介，以预测一种名为\emph{ZClassic}的小市值另类加密货币的价格波动。我们以小时为粒度提取了为期3.5周的推文，将每条推文分类为正面、中性或负面。随后我们将这些推文汇编为小时级情绪指数，构建了未加权与加权两种指数，后者对转推赋予更大权重。将这两个指数，连同正面、负面与中性情绪的原始汇总，与约400个 hourly 定价数据点并列，用以训练极端梯度提升回归树模型（Extreme Gradient Boosting Regression Tree Model）。该模型产出的价格预测与历史价格数据比较，所得预测与测试数据相关性为0.81。我们的模型预测数据在$p < 0.0001$水平具有统计显著性。我们的模型是首个学术概念验证，证明Twitter等社交媒体平台可作为强大社会信号，用于预测高度投机的另类加密货币（或称“alt-coin”）市场中的价格运动。