[論文レビュー] Real-Time Prediction of BITCOIN Price using Machine Learning Techniques and Public Sentiment Analysis

Raju Sinha, Ali Mohammad Tarif|arXiv (Cornell University)|Jun 18, 2020

Blockchain Technology Applications and Security被引用数 36

ひとこと要約

本論文は Twitter と Reddit の感情分析を監督あり学習と LSTM の時系列モデルと組み合わせて USD 建ての Bitcoin 価格を予測し、ARIMA と比較する。多特徴入力を用いた LSTM が、検証したモデルの中で最良の RMSE を示す。

ABSTRACT

Bitcoin is the first digital decentralized cryptocurrency that has shown a significant increase in market capitalization in recent years. The objective of this paper is to determine the predictable price direction of Bitcoin in USD by machine learning techniques and sentiment analysis. Twitter and Reddit have attracted a great deal of attention from researchers to study public sentiment. We have applied sentiment analysis and supervised machine learning principles to the extracted tweets from Twitter and Reddit posts, and we analyze the correlation between bitcoin price movements and sentiments in tweets. We explored several algorithms of machine learning using supervised learning to develop a prediction model and provide informative analysis of future market prices. Due to the difficulty of evaluating the exact nature of a Time Series(ARIMA) model, it is often very difficult to produce appropriate forecasts. Then we continue to implement Recurrent Neural Networks (RNN) with long short-term memory cells (LSTM). Thus, we analyzed the time series model prediction of bitcoin prices with greater efficiency using long short-term memory (LSTM) techniques and compared the predictability of bitcoin price and sentiment analysis of bitcoin tweets to the standard method (ARIMA). The RMSE (Root-mean-square error) of LSTM are 198.448 (single feature) and 197.515 (multi-feature) whereas the ARIMA model RMSE is 209.263 which shows that LSTM with multi feature shows the more accurate result.

研究の動機と目的

• 機械学習と公開感情を用いたビットコイン価格の方向性予測の研究動機づけ。
• Twitter と Reddit からの感情シグナルを USD 表示のビットコイン価格予測モデルに統合する。
• リアルタイム価格予測のために、従来の時系列モデルと現代的なニューラルネットワークを比較する。

提案手法

• Bitcoin に関連する Twitter および Reddit の投稿に対して感情分析を適用し、特徴を抽出する。
• LSTM ネットワークを含む監督あり学習と時系列モデルを用いて価格予測を行う。
• RMSE を指標として、ベースラインの ARIMA モデルと比較してモデルを評価する。
• 単一特徴と複数特徴を持つ LSTM 構成を比較し、性能向上を評価する。

実験結果

リサーチクエスチョン

• RQ1 Twitter および Reddit の公的感情は USD 表示のビットコイン価格の動向と相関するか？
• RQ2 感情特徴を組み込んだ場合、リアルタイムのビットコイン価格予測において LSTM モデルは ARIMA を上回るか？
• RQ3 ビットコイン価格の予測精度に対する複数特徴入力の影響は何か？

主な発見

• 多特徴入力を備えた LSTM は最良の RMSE 197.515 を達成し、ARIMA の 209.263 を上回る。
• 単一特徴の LSTM は RMSE 198.448 を示し、複数特徴構成よりやや劣る。
• ARIMA の基準 RMSE は 209.263 であり、本設定における LSTM ベースのアプローチの利点を示している。