Was bewegt Bitcoin? – Auf dem Weg zu Data Science

Andererseits war die Bitcoin-Bewegung im Laufe der Zeit sehr flüchtig. Vor weniger als drei Jahren lag der Preis für Bitcoin bei ungefähr 1.000 USD, während der Preis zum 1. Dezember 2019 um ist 7.400 USDDies entspricht einer Aufwertung von 640%. Der Kurs erreichte ein Niveau von fast 19.000 USD, bevor er in weniger als 2 Tagen um 25% fiel. Daher unterlag Bitcoin großen Preisänderungen, eine Volatilität, die Investitionen in diese macht Kryptowährung Sehr riskant und unattraktiv für Anleger, die eine moderatere Rendite mit kontrollierter Rendite suchen Risiko.

So kommen wir zu unserer Arbeit Hypothese:

Ist es möglich, die Bewegung von Bitcoin durch Nachrichtenanalyse vorherzusagen?

Das Ziel dieses Artikels ist es, verschiedene zu implementieren Vorhersagen durch statistische Modelle zu versuchen und zu sehen, ob es eine Beziehung zwischen den Wörtern gibt, die in der angezeigt werden Nachrichten und die Bitcoin-Bewegung. Zusätzlich versuchen wir zu sehen, ob es uns helfen kann vorhersagen die zukünftige Bewegung der Kryptowährung und monetarisieren Sie diese Vorhersagen durch Portfolios. Unter Ausnutzung der Liquidität des Marktes beobachten wir die Entwicklung eines Kapitals von 100.000 USD über eine dynamische Position in Bitcoin.

Es ist wichtig zu erwähnen, dass Bitcoin nicht in einem regulierten Austausch ausgetauscht wird, sondern direkt zwischen Benutzern ausgetauscht wird. “Peer-To-Peer”, Die überwiegende Mehrheit von ihnen sind Wallet-Nutzer. Aus diesem Grund kann Bitcoin jederzeit umgetauscht werden Jederzeit des Tages, um eine tägliche Änderung einer Öffnung zu messen (öffnen) und Schlusskurs (Preis) Ansatz der traditionellen Märkte wurde genommen.

Denken Sie daran, dass unsere Zielvariable die Änderung von ist öffnen gegen Preis, ein kategorisch Variable. Begleitet von dieser Variablen gibt es andere, die den Bitcoin-Markt für jeden Tag definieren. Diese sind hoch, niedrig unter anderen. Es ist jedoch klar, dass diese Variablen nicht wirklich mit unserer Zielvariablen korrelieren Zeitfolgen Modelle könnten diese Variablen besser interpretieren, dies ist jedoch nicht der Schwerpunkt dieses Projekts.

Hier werden die Konzepte der Verarbeitung natürlicher Sprache (NLP) entstehen. Die Informationen, die unser Modell zur Vorhersage unserer öffnen gegen Preis Die objektive Variable stammt aus den in der Einleitung genannten Schlagzeilen. Es ist ratsam, hier zwei neue Konzepte vorzustellen. Text-Vektorisierer und N-Gramm.

EIN Text-Vectorizer ist nichts weiter als eine Möglichkeit, Text zu vektorisieren, die Redundanz wert ist, das heißt, jedem Wort oder Text einen Vektor an einer bestimmten Stelle zuzuweisen. Es gibt viele Möglichkeiten, dies zu tun. Einige Techniken weisen jedem Wort in Ihrem einen Hüttenvektor zu Wortschatz, ein ausgefallener Name für alle Wörter in Ihrem Korpus. Einige andere Arten der Vektorisierung von Text weisen jedem Wort einen Vektor zu, der den Kontext in bestimmten Geometrien eines mehrdimensionalen Raums codiert, wie z Word2Vec Platz. In unserem speziellen Fall wurde vor der Eröffnung des Bitcoin-Marktes ein Vektorisierer verwendet, der das Vorkommen jedes Wortes und aller zwei Wörter in den Nachrichten 12 Stunden am Tag zählt.

Um 1-Wort und 2-Wort besser zu verstehen, können wir das Konzept von überprüfen N-Gramm. Schauen wir uns ein Beispiel mit dem nächsten Satz an:

Im vorigen Satz alle 1 Gramm würde die Liste bilden:

• Bitcoin
• ist
• ein
• sehr
• Wirksam
• etc.

Ein Eintrag pro Wort. Die Liste der 2 Gramm oder wie gesagt, 2 Wörter wären:

• Bitcoin ist
• ist ein
• ein sehr
• sehr flüchtig
• etc.

Diese 2 Worte dienen dazu, Informationen aus häufig zusammengehörenden Wortpaaren zu extrahieren, wie z New York. Nehmen wir jetzt an, dass der zuvor geschriebene Satz die einzige Überschrift für 12 Stunden war. Zu dieser Beobachtung zusammen mit dem Preis von öffnen, Preis und unsere Zielvariable. Ein Vektor würde hinzugefügt, bei dem die Vorkommen von jedem 1-Wort und 2-Wort gezählt wurden. Das heißt, es wäre 1 in der entsprechenden Zelle für die Spalte wertMercadoweil es nur einmal erwähnt wurde und 2 in der Bitcoin und sehrSpalten, wie sie 2-mal erwähnt wurden und so für alle n-Gramm-Zählungen im Vokabular.

Zum besseren Verständnis unserer DatenSehen wir uns die folgende Grafik mit zwei Achsen an: