[論文レビュー] Information-theoretic measures for non-linear causality detection: application to social media sentiment and cryptocurrency prices

Z. Keskin, Tomaso Aste|arXiv (Cornell University)|Jun 13, 2019

Complex Systems and Time Series Analysis参考文献 1被引用数 9

ひとこと要約

本稿では、送金エントロピーを用いた情報理論的アプローチを提案し、ソーシャルメディアのセンチメントと暗号資産価格の非線形因果関係を検出する。48か月間の1時間ごとのデータを用いて、BTC、XRP、LTC、ETHについて、線形（Gewekeの自己回帰的）および非線形（Schreiberの非パラメトリック）の両方の送金エントロピーを適用したところ、特にBTCおよびLTCにおいて、両方向に顕著な非線形因果関係が認められ、非線形効果は線形効果よりも1桁大きいことが判明した。

ABSTRACT

Information transfer between time series is calculated by using the asymmetric information-theoretic measure known as transfer entropy. Geweke's autoregressive formulation of Granger causality is used to find linear transfer entropy, and Schreiber's general, non-parametric, information-theoretic formulation is used to detect non-linear transfer entropy. We first validate these measures against synthetic data. Then we apply these measures to detect causality between social sentiment and cryptocurrency prices. We perform significance tests by comparing the information transfer against a null hypothesis, determined via shuffled time series, and calculate the Z-score. We also investigate different approaches for partitioning in nonparametric density estimation which can improve the significance of results. Using these techniques on sentiment and price data over a 48-month period to August 2018, for four major cryptocurrencies, namely bitcoin (BTC), ripple (XRP), litecoin (LTC) and ethereum (ETH), we detect significant information transfer, on hourly timescales, in directions of both sentiment to price and of price to sentiment. We report the scale of non-linear causality to be an order of magnitude greater than linear causality.

研究の動機と目的

• ソーシャルメディアのセンチメントが暗号資産価格に因果的に影響を与えるか、逆に価格がセンチメントに因果的に影響を与えるかを、情報理論的手法を用いて調査すること。
• 合成データ（ランダムウォークおよびロジスティック写像）を用いて送金エントロピー手法の妥当性を検証し、線形および非線形因果関係を検出する信頼性を確保すること。
• 主な暗号資産において、センチメント-価格ダイナミクスにおける線形因果関係と非線形因果関係の強さを比較すること。
• 帰無仮説の下でシャッフルされた時系列と比較して、検出された情報伝達の有意性を評価すること。
• 非パラメトリック密度推定における異なる分割戦略が、結果の有意性および頑健性に与える影響を調査すること。

提案手法

• 状態遷移の条件付き確率に基づき、時系列間の非線形情報伝達を検出するため、Schreiberの非パラメトリック送金エントロピーを用いる。
• 比較のためのベンチマークとして、Gewekeの自己回帰的グレインジャーカウザリティの定式化を用いて線形送金エントロピーを計算する。
• 有意性検定として、観測された送金エントロピーをシャッフルされた時系列から生成された帰無分布と比較し、Zスコアを算出する。
• 感度と有意性の最適化を目的として、カーネル密度推定における異なる分割戦略（例：等頻度、等幅のボックス）を適用する。
• 再現可能性と拡張性を確保するため、すべての計算にカスタムPythonパッケージ（PyCausality）を用い、GitHubにホスティングする。
• 価格データはCryptoCompareのAPI、センチメントデータはPsychSignalのデータ（ハッシュタグによる肯定的・否定的メッセージ）を用い、48か月間の1時間ごとの時系列データを取得する。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルメディアのセンチメントが、非線形的に暗号資産価格に因果的に影響を与えるか、逆に価格がセンチメントに因果的に影響を与えるか？
• RQ2 主な暗号資産において、センチメント-価格ダイナミクスにおける非線形因果関係の強さは、線形因果関係と比べてどの程度か？
• RQ3 非パラメトリック密度推定におけるどの分割戦略が、情報伝達の検出において最も有意かつ頑健な結果をもたらすか？
• RQ4 サロゲートデータ（シャッフルされた時系列）を用いてランダムなフラクチュエーションを補正した後、検出された因果関係は統計的に有意か？
• RQ5 特にBTC、LTC、XRP、ETHにおいて、情報伝達の方向性および大きさは、意味的に有意に異なるか？

主な発見

• 送金エントロピーで測定した非線形因果関係は、一貫して線形因果関係を上回っており、非線形効果は線形効果よりも1桁大きいことが判明した。
• BTC、LTC、XRPの3資産において、センチメントから価格、および価格からセンチメントへの非線形情報伝達が顕著に検出された。特にBTCおよびLTCにおいて、最も強く一貫性のある信号が観察された。
• ビットコイン（BTC）では、価格からセンチメントへの因果的影響がわずかに強く、他の暗号資産ではセンチメントから価格への影響が支配的である。
• シャッフルされた時系列との比較によるZスコアを用いた有意性の確認により、ランダムな偶然要因に対する結果の妥当性が裏付けられた。
• 非パラメトリック密度推定における分割方法の選択が、結果の統計的有意性に顕著な影響を及ぼし、最適な戦略が検出感度を向上させた。
• 本研究では、従来の線形グレインジャーカウザリティ手法では最小限または因果関係が検出されないことが示された。これにより、投機的資産市場の真のダイナミクスを捉えるには非線形手法の必要性が強調された。