[論文レビュー] Predictive analysis of Bitcoin price considering social sentiments

Pratikkumar Prajapati|arXiv (Cornell University)|Jan 16, 2020

Blockchain Technology Applications and Security参考文献 9被引用数 13

ひとこと要約

本研究では、歴史的暗号通貨価格とGoogleニュースおよびRedditからのセンチメント分析を統合することで、Bitcoin価格を予測する深層学習アプローチを提案する。ソーシャルメディアおよび金融データからの特徴を組み込んだLSTMモデルを用い、テストRMSEは434.87を達成した。これは、単なる価格履歴に比べて、ソーシャルセンチメントが価格予測の正確性を顕著に向上させることを示している。

ABSTRACT

We report on the use of sentiment analysis on news and social media to analyze and predict the price of Bitcoin. Bitcoin is the leading cryptocurrency and has the highest market capitalization among digital currencies. Predicting Bitcoin values may help understand and predict potential market movement and future growth of the technology. Unlike (mostly) repeating phenomena like weather, cryptocurrency values do not follow a repeating pattern and mere past value of Bitcoin does not reveal any secret of future Bitcoin value. Humans follow general sentiments and technical analysis to invest in the market. Hence considering people's sentiment can give a good degree of prediction. We focus on using social sentiment as a feature to predict future Bitcoin value, and in particular, consider Google News and Reddit posts. We find that social sentiment gives a good estimate of how future Bitcoin values may move. We achieve the lowest test RMSE of 434.87 using an LSTM that takes as inputs the historical price of various cryptocurrencies, the sentiment of news articles and the sentiment of Reddit posts.

研究の動機と目的

• ソーシャルメディアおよびニュースのセンチメントが、従来のテクニカル分析を超えてBitcoin価格予測を改善できるかどうかを調査すること。
• GoogleニュースやRedditのような多様なソースからのセンチメント特徴を、歴史的暗号通貨価格および取引高データと統合する機械学習モデルを開発すること。
• LSTM、GRU、CNNといったさまざまなディープラーニングアーキテクチャが、統合されたデータセット上でどのように性能を発揮するかを評価すること。
• 異なるセンチメントソース（Googleニュース対Reddit）が予測精度に与える相対的寄与度を特定すること。

提案手法

• 2018年1月1日から2019年11月20日まで、暗号通貨取引所から1時間ごとのBitcoin、Litecoin、Ethereumの価格および取引高データを収集した。
• カスタムPythonスクリプトを用いてHTTPリクエストと「newspaper」ライブラリを活用し、毎日のGoogleニュース記事をクロールして本文テキストを抽出した。
• Webスクレイピングを用いてRedditの投稿データを収集し、公開可能なスレッドおよびコメントに焦点を当てた。
• VADER、TextBlob、Flairの事前学習済みモデルを用いてニュースおよびRedditテキストのセンチメント分析を実施し、極性および主観性スコアを抽出した。
• センチメントスコアを歴史的価格および取引高特徴と統合し、モデル学習用の統一されたデータセットを作成した。
• RMSEおよびMAEを最適化するように、60または120タイムステップのラックバック窓を用いて、LSTM、GRU、CNNといった複数のディープラーニングモデルを訓練および評価した。

実験結果

リサーチクエスチョン

• RQ1 歴史的価格データのみを用いたモデルと比較して、ソーシャルメディアおよびニュースのセンチメントがBitcoin価格予測の正確性を向上させられるか。
• RQ2 GoogleニュースとRedditのどちらのセンチメントソースが、Bitcoin価格動向の予測により強い信号を提供するか。
• RQ3 LSTM、GRU、CNNといった異なるディープラーニングアーキテクチャが、センチメントおよび価格特徴を統合した場合に、それぞれどのように性能を発揮するか。
• RQ4 複数のソースからのセンチメントを統合することは、個々のソースを用いる場合よりも優れた予測性能をもたらすか。

主な発見

• Bitcoin、Litecoin、Ethereumの価格および取引高データに加え、GoogleニュースおよびRedditからのセンチメントを統合したLSTMモデルが、最低のテストRMSE（434.87）を達成した。
• 実験#8（Redditセンチメントおよび価格データのみ）は、実験#7（Googleニュースおよび価格データ）を上回った。これは、RedditセンチメントがGoogleニュースセンチメントよりも予測に優れていることを示している。
• センチメント特徴を一切使用しなかったにもかかわらず、実験#5は低いテストRMSE（789.86）を達成した。これは、歴史的価格データそのものが強力な予測力を持つが、センチメントが依然として追加の価値を提供していることを示している。
• 実験#17（すべてのセンチメント特徴を使用したが、異なるモデル構成）は、最高のテストRMSE（2615.3）を記録した。これは、特徴およびモデル選択が性能に顕著に影響することを示している。
• 可視化分析により、最良の性能を発揮したモデル（実験#4）が、実際のBitcoin価格トレンドをよく再現しているのに対し、最悪の性能を発揮したモデル（実験#17）は顕著なずれを示していることが確認された。
• 本研究では、極性および主観性の観点から、RedditからのセンチメントがGoogleニュースからのセンチメントよりも、価格動向とより強く相関していることが判明した。