[논문 리뷰] Information-theoretic measures for non-linear causality detection: application to social media sentiment and cryptocurrency prices

Z. Keskin, Tomaso Aste|arXiv (Cornell University)|2019. 06. 13.

Complex Systems and Time Series Analysis참고 문헌 1인용 수 9

한 줄 요약

이 논문은 정보 이론적 접근을 통해 이동 엔트로피를 사용하여 소셜 미디어 감성과 암호화폐 가격 간의 비선형 인과관계를 탐지한다. 논문은 비트코인(BTC), 리플(XRP), 리브랜드 코인(LTC), 이더리움(ETH)에 대해 48개월간의 시간당 데이터를 대상으로 선형(Geweke의 자기회귀형) 및 비선형(Schreiber의 비모수형) 이동 엔트로피를 적용하여, 특히 비트코인(BTC)과 리브랜드 코인(LTC)에서 양방향으로 뚜렷한 비선형 인과관계를 발견했으며, 비선형 효과는 선형 효과보다 약 한 계급 더 크다.

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.

연구 동기 및 목표

• 정보 이론적 방법을 사용하여 소셜 미디어 감성이 암호화폐 가격에 인과적으로 영향을 미치는지, 그 반대의 영향이 있는지 조사한다.
• 가짜 데이터(랜덤 워크 및 로지스틱 맵)를 사용하여 이동 엔트로피 기법의 타당성을 검증하여 선형 및 비선형 인과관계 탐지의 신뢰성을 확보한다.
• 주요 암호화폐들 간의 감성-가격 동적 관계에서 선형 인과관계와 비선형 인과관계의 강도를 비교한다.
• 귀무가설 하에 셰플드된 시간 시리즈와 Z-스코어를 사용하여 탐지된 정보 전달의 유의성을 평가한다.
• 비모수적 밀도 추정에서의 다양한 분할 전략이 결과의 유의성과 강건성에 미치는 영향을 탐색한다.

제안 방법

• 상태 전이의 조건부 확률에 기반하여 비모수적 이동 엔트로피를 사용하여 시간 시리즈 간의 비선형 정보 전달을 탐지한다.
• 기준 비교를 위해 선형 이동 엔트로피를 계산하기 위해 Geweke의 자기회귀형 Granger 인과성 공식을 사용한다.
• 유의성 검정을 위해 관측된 이동 엔트로피를 셰플드된 시간 시리즈로부터 생성된 귀무분포와 비교하고 Z-스코어를 계산한다.
• 감지 민감도와 유의성 최적화를 위해 커널 밀도 추정에서 다양한 분할 전략(예: 등빈도, 등폭 분할)을 적용한다.
• 재현 가능성과 확장성을 보장하기 위해 모든 계산에 맞춤형 파이썬 패키지(PyCausality)를 사용하며, GitHub에 호스팅되어 있다.
• 가격 데이터는 CryptoCompare의 API, 감성 데이터는 PsychSignal의 데이터(해시태그 기반의 긍정/부정 메시지)를 사용하여 48개월 간의 시간당 데이터를 확보한다.

실험 결과

연구 질문

• RQ1 소셜 미디어 감성이 비선형적으로 암호화폐 가격에 영향을 미치며, 그 반대의 영향도 존재하는가?
• RQ2 주요 암호화폐들 간의 감성-가격 동적 관계에서 비선형 인과관계의 강도는 선형 인과관계와 어떻게 비교되는가?
• RQ3 비모수적 밀도 추정에서 어떤 분할 전략이 정보 전달 탐지의 가장 높은 유의성과 강건성과 연결되는가?
• RQ4 서로보 데이터(셰플드된 시간 시리즈)를 통해 랜덤 변동성을 고려한 후 탐지된 인과관계는 통계적으로 유의한가?
• RQ5 특히 비트코인(BTC), 리브랜드 코인(LTC), 리플(XRP), 이더리움(ETH)에서 정보 전달의 방향성과 크기가 의미적으로 다를까?

주요 결과

• 비선형 인과관계는 이동 엔트로피로 측정되었을 때 선형 인과관계보다 뚜렷하게 강력하며, 비선형 효과는 선형 효과보다 약 한 계급 더 크다.
• 비트코인(BTC), 리브랜드 코인(LTC), 리플(XRP)에서 양방향으로 뚜렷한 비선형 정보 전달이 탐지되었으며, 특히 비트코인(BTC)과 리브랜드 코인(LTC)에서 가장 강하고 일관된 신호를 보였다.
• 비트코인(BTC)의 경우, 가격에서 감성으로의 인과적 영향력이 약간 더 강했고, 다른 암호화폐들에서는 감성에서 가격으로의 영향력이 지배적이었다.
• 셰플드된 시간 시리즈에 기반한 Z-스코어를 통해 탐지된 인과관계의 유의성이 확인되었으며, 이는 무작위 확률에 대한 결과의 타당성을 검증했다.
• 비모수적 밀도 추정에서의 분할 방법 선택은 결과의 통계적 유의성에 크게 영향을 미치며, 최적의 전략이 탐지 능력을 향상시켰다.
• 기존의 선형 Granger 인과성 방법은 최소한의 또는 전혀 인과관계를 탐지하지 못했으며, 이는 금융 시장에서의 진정한 동적 특성을 파악하기 위해 비선형 기법이 반드시 필요함을 시사한다.