比特币的社会信号与算法交易

数字痕迹数据的可用性正增长到前所未有的规模，但从大规模数据中推断可操作的知识远非易事。这对于计算金融尤为关键，其中人类行为的数字痕迹为驱动交易策略提供了巨大潜力。为此，我们提供了一种一致的方法，在算法交易者的设计中集成各种数据源。这使我们能够推导出交易策略盈利能力背后的原理。我们通过分析比特币（一种以大幅价格波动闻名的加密货币）来阐释我们的方法。在我们的分析中，我们纳入了与美元兑换量和价格、比特币技术采用以及比特币交易量的经济信号。我们添加了与信息搜索、口碑量、情感效价以及意见极化相关的社会信号，这些信号体现在超过3年与比特币相关的推文中。我们的分析揭示，意见极化和兑换量的增加先于比特币价格上涨，且情感效价先于意见极化和兑换量增加。我们应用这些见解设计比特币的算法交易策略，在不到一年内获得了极高利润。我们使用考虑风险和交易成本的稳健统计方法验证了这一高盈利能力，证实了基于社交媒体情绪的交易的长期假设具有产生正投资回报的潜力。