[论文解读] 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 13

一句话总结

本研究提出一种深度学习方法，通过整合历史加密货币价格与来自 Google 新闻和 Reddit 的情感分析，预测比特币价格。采用结合社交媒体与金融数据特征的 LSTM 模型，测试均方根误差（RMSE）达到 434.87，表明社会情绪显著提升了仅依赖价格历史的预测准确性。

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.

研究动机与目标

• 探究社交媒体与新闻情感是否能超越传统技术分析，提升比特币价格预测的准确性。
• 开发一种机器学习模型，整合来自 Google 新闻和 Reddit 等多样化来源的情感特征，与历史加密货币价格和交易量数据相结合。
• 评估多种深度学习架构（LSTM、GRU 和 CNN）在整合数据集上的预测性能。
• 确定不同情感来源（Google 新闻与 Reddit）对预测准确性的相对贡献。

提出的方法

• 从 2018 年 1 月 1 日至 2019 年 11 月 20 日，从加密货币交易所收集比特币、莱特币和以太坊的每小时价格与交易量数据。
• 使用自定义 Python 脚本通过 HTTP 请求和 'newspaper' 库抓取每日 Google 新闻文章，提取完整文章文本。
• 通过网页爬取获取 Reddit 帖子数据，重点关注公开可访问的帖子与评论。
• 使用预训练模型对新闻和 Reddit 文本进行情感分析，从 VADER、TextBlob 和 Flair 提取极性与主观性得分。
• 将情感得分与历史价格与交易量特征整合为统一数据集，用于模型训练。
• 使用 60 或 120 个时间步的回溯窗口，对多种深度学习模型（LSTM、GRU、CNN）进行训练与评估，优化目标为 RMSE 和 MAE。

实验结果

研究问题

• RQ1 与仅使用历史价格数据的模型相比，社交媒体和新闻情感是否能提升比特币价格预测的准确性？
• RQ2 在 Google 新闻与 Reddit 之间，哪种情感来源能为比特币价格走势提供更强的预测信号？
• RQ3 当整合情感与价格特征时，不同深度学习架构（LSTM、GRU、CNN）的性能表现如何？
• RQ4 结合多个来源的情感信息是否能带来优于单一来源的预测性能？

主要发现

• 整合所有特征（包括比特币、莱特币和以太坊的价格与交易量数据，以及来自 Google 新闻和 Reddit 的情感信息）的 LSTM 模型，达到最低的测试 RMSE（434.87）。
• 实验 #8（仅使用 Reddit 情感与价格数据）的表现优于实验 #7（Google 新闻与价格数据），表明 Reddit 情感比 Google 新闻情感更具预测性。
• 尽管未使用任何情感特征，实验 #5 仍达到较低的测试 RMSE（789.86），表明仅依赖历史价格数据已具备强大的预测能力，但情感信息仍能进一步提升性能。
• 实验 #17（使用所有情感特征但模型配置不同）产生最高的测试 RMSE（2615.3），表明特征选择与模型配置对性能有决定性影响。
• 可视化分析确认，表现最佳的模型（实验 #4）紧密跟随实际比特币价格走势，而表现最差的模型（实验 #17）则出现显著偏离。
• 研究发现，Reddit 的情感信息（尤其是极性与主观性）与价格波动的相关性，强于 Google 新闻的情感信息。