[論文レビュー] Social Media Sentiment Analysis for Cryptocurrency Market Prediction

Ali Raheman, Anton Kolonin+3 more|arXiv (Cornell University)|Apr 19, 2022

Stock Market Forecasting Methods被引用数 14

ひとこと要約

本稿では、暗号資産の価格動向を予測するためにソーシャルメディアのセンチメント分析を行う自然言語処理（NLP）モデルの評価を行い、解釈可能なモデルが20以上の公開モデルを上回る精度と微調整効率を示した。研究では、解釈可能なAI手法が金融予測応用において非説明可能な代替手法に比べ実用的な利点を提供することを確認した。

ABSTRACT

In this paper, we explore the usability of different natural language processing models for the sentiment analysis of social media applied to financial market prediction, using the cryptocurrency domain as a reference. We study how the different sentiment metrics are correlated with the price movements of Bitcoin. For this purpose, we explore different methods to calculate the sentiment metrics from a text finding most of them not very accurate for this prediction task. We find that one of the models outperforms more than 20 other public ones and makes it possible to fine-tune it efficiently given its interpretable nature. Thus we confirm that interpretable artificial intelligence and natural language processing methods might be more valuable practically than non-explainable and non-interpretable ones. In the end, we analyse potential causal connections between the different sentiment metrics and the price movements.

研究の動機と目的

• ソーシャルメディアからのセンチメント抽出におけるさまざまなNLPモデルの有効性を評価すること。
• センチメント指標とビットコインの価格動向との相関関係を評価すること。
• 暗号資産予測に最も正確かつ効率的なセンチメント分析モデルを同定すること。
• 解釈可能なAIの金融NLP応用における実用的価値を調査すること。

提案手法

• 著者は、公共のプラットフォームからビットコイン関連のソーシャルメディアテキストデータを収集・前処理する。
• 複数の事前学習済みNLPモデルを用いてテキストデータからのセンチメントスコアを抽出する。
• 異なるセンチメント指標を計算し、過去のビットコイン価格動向との予測精度を比較する。
• 最良のパフォーマンスを示したモデルは、その解釈可能なアーキテクチャのおかげで効率的に微調整された。
• 統計的相関および時系列整合性技術を用いて、センチメントトレンドと価格変動の因果関係を分析する。

実験結果

リサーチクエスチョン

• RQ1 どのNLPモデルがソーシャルメディアテキストからビットコイン価格動向を予測するための最も正確なセンチメントスコアを生成するか？
• RQ2 センチメント指標は実際に観察されたビットコイン価格変動とどの程度相関しているか？
• RQ3 解釈可能なNLPモデルは、この金融予測タスクにおいて非解釈可能なモデルを上回ることができるか？
• RQ4 モデルの解釈可能性は、微調整の効率性および実用的導入にどのような影響を与えるか？

主な発見

• 特定のNLPモデルが、20以上の公開モデルを上回り、ビットコイン価格動向の予測において優れた性能を示した。
• 最良のパフォーマンスを示したモデルは、その解釈可能な設計のおかげで、精度と微調整の効率性に優れていた。
• ソーシャルメディアからの抽出されたセンチメント指標は、後続のビットコイン価格変動と測定可能な相関関係を示したが、必ずしも強いとは限らなかった。
• 金融予測の文脈において、解釈可能なAI手法は非説明可能なモデルよりも実用的に価値が高いかが確認された。