Поляризация настроений в социальных сетях открывает возможности для прибыльной алгоритмической торговли биткойнами
Доступность данных о цифровых следах растет до беспрецедентных размеров, но получение практических знаний на основе крупномасштабных данных далеко не тривиальная задача. Это особенно важно для вычислительных финансов, где цифровые следы человеческого поведения открывают большой потенциал для управления торговыми стратегиями. Мы способствуем этому, предоставляя последовательный подход, который объединяет различные источники данных при разработке алгоритмических трейдеров. Это позволяет нам получить представление о принципах прибыльности наших торговых стратегий. Мы иллюстрируем наш подход на примере Биткойна, криптовалюты, известной своими большими колебаниями цен. В наш анализ мы включаем экономические сигналы объема и цены обмена на доллар США, внедрение технологии Биткойн и объем транзакций Биткойн. Мы добавляем социальные сигналы, связанные с поиском информации, объемом сарафанного радио, эмоциональной валентностью и поляризацией мнений, как это выражается в твитах, связанных с Биткойном, на протяжении более 3 лет. Наш анализ показывает, что увеличение поляризации мнений и объема обмена предшествует росту цен на биткойны, а эмоциональная валентность предшествует поляризации мнений и увеличению объемов обмена. Мы применяем эти идеи для разработки алгоритмических торговых стратегий для биткойнов, достигая очень высокой прибыли менее чем за год. Мы проверяем эту высокую прибыльность с помощью надежных статистических методов, которые учитывают риск и торговые издержки, подтверждая давнюю гипотезу о том, что настроения в социальных сетях, основанные на торговле, могут принести положительную отдачу от инвестиций.
## В чем суть открытия Исследователи объединили социальные сигналы Twitter и тенденции поиска за три года с рыночными данными, чтобы создать ботов для торговли биткойнами, которые достигают высокой прибыльности при учете торговых издержек и рисков. ## Как это устроено: принцип работы Система отслеживает эмоциональную валентность, сарафанное радио, объем поиска и поляризацию мнений в социальных сетях наряду с показателями экономической торговли. Он обнаруживает, что эмоциональная валентность предшествует поляризации мнений и росту объема, что, в свою очередь, предшествует росту цен на биткойны. Алгоритмические трейдеры используют эти временные отношения опережения-запаздывания для автоматического принятия решений о покупке и продаже. ## Что это меняет на практике Фирмы, занимающиеся количественным финансированием, могут интегрировать поляризацию социальных настроений и данные поиска в стратегии криптоторговли, чтобы повысить доходность с поправкой на риск и прогнозировать изменения цен, опережая изменения объема рынка. ## Границы метода и риски Исследование опирается на исторические данные Twitter и тенденции поиска за трехлетний период, которые могут не отражать меняющуюся динамику рынка, изменения в демографии пользователей или новые платформы социальных сетей. ## Результаты и доказательства - **Комплексный скор значимости:** 9.5 / 10.0 - **Уровень доказательности:** программный бенчмарк и верификация - **Бенчмарки и прирост:** Net return on investment, risk-adjusted returns, trading cost efficiency - **Размер выборки / валидация:** N = 3+ years of Twitter data, search volume, and Bitcoin market trade metrics