Mitos y realidades: análisis del sentimiento sobre los Cripto

Jesús Rodríguez es el CTO y cofundador deEn el bloque, una plataforma enfocada en habilitar una infraestructura inteligente para los Mercados de Cripto , así como científico jefe de la firma de inteligencia artificial Invector Labs e inversor activo, orador y autor en Cripto e inteligencia artificial. Este artículo apareció originalmente en el boletín Institutional Cripto de CoinDesk.

Una de las creencias establecidas en el mercado de Criptomonedas es su susceptibilidad a las noticias y las redes sociales. Como cualquier otro mercado financiero naciente y aún irracional, los desarrollos inesperados capturados en las noticias o las redes sociales tienden a afectar el precio. Como resultado, existe un creciente interés en aprovechar las técnicas de aprendizaje automático, como el análisis de sentimientos, para detectar posibles correlaciones con el precio de las criptomonedas y los tokens digitales. A pesar de su importancia, La mayoría de los intentos de aprovechar el análisis de sentimientos son demasiado básicos para producir información tangible y, muy a menudo, producen resultados engañosos..

Los desafíos de aprovechar de manera eficiente el análisis de sentimientos para evaluar el comportamiento de un activo no son exclusivos del espacio Cripto . Producir información verdadera basada en sentimientos textuales es una tarea muy difícil que, la mayoría de las veces, requiere modelos de procesamiento del lenguaje natural (PLN) optimizados para un dominio financiero específico. Los grandes fondos de cobertura cuantitativos utilizan ejércitos de expertos en aprendizaje automático para entrenar modelos de PLN en una tarea muy específica, como analizar informes de ganancias para obtener una ventaja en una operación de frecuencia media. Aprovechar de manera eficiente el análisis de sentimientos para los Cripto requiere profundidad y rigor en el aprendizaje automático.

Para entender esta afirmación, comencemos profundizando un BIT más en las características de los métodos de análisis de sentimientos.

Una introducción suave al análisis de sentimientos

En el acto II, escena II de la famosa obraRichelieu; o la conspiraciónEl dramaturgo británico Edward Bulwer-Lytton acuñó una frase que ha trascendido generaciones: “La pluma es más poderosa que la espada”. Siglos después, esa famosa cita resume brillantemente la importancia del análisis de sentimientos. Las emociones en la comunicación textual a veces son más propicias a las acciones que las acciones físicas en sí mismas.

En términos conceptuales, el análisis de sentimientos es una subdisciplina del procesamiento del lenguaje natural que se centra en identificar los estados afectivos de las comunicaciones textuales. Contrariamente a la creencia popular, el análisis de sentimientos no es una técnica única, sino una subdisciplina del espacio de aprendizaje profundo que abarca diferentes tipos de detección de afectos en datos textuales. Desde esa perspectiva, existen varios tipos de análisis de sentimientos que podrían ser relevantes en el contexto de la inteligencia de criptoactivos:

• Análisis de polaridad:Este tipo de análisis de sentimientos clasifica el sentimiento textual en positivo, negativo y neutral. Por ejemplo, la oración “El Rally del precio de Bitcoin ha revitalizado el mercado” probablemente sería clasificado como positivo por la mayoría de los modelos.
• Análisis de emoción/tono:En lugar de un calificador general para el texto, este tipo de análisis se centra en puntuar los diferentes tipos de emociones presentes en un texto en particular. Emociones como la tristeza, la felicidad o la ira son un foco común de los algoritmos de análisis de emociones. Por ejemplo, la oración “Este Rally de Bitcoin es una locura”, mostrará altos niveles de entusiasmo y alegría.
• Análisis de sentimiento de aspecto:Este tipo de análisis de sentimientos se centra en interpretar el sentimiento sobre temas específicos dentro de una oración en lugar de la oración en su totalidad. Por ejemplo, en la oración “Los futuros de Bakkt son un hito importante para el mercado de Bitcoin”, el análisis de aspectos determinará el sentimiento relacionado con los “futuros de Bakkt” en lugar de la oración completa.

Si nos fijamos en la lista anterior, podemos ver claramente los beneficios del análisis de sentimientos para los Cripto . Sin embargo, también hay muchos desafíos que se deben tener en cuenta antes de aventurarse a utilizar este tipo de técnicas. La contextualización, la subjetividad, la ironía o incluso la mala gramática se encuentran entre los factores que pueden engañar fácilmente a los mejores algoritmos de PNL.

Análisis de sentimiento de los activos Cripto

Las Cripto son una clase de activos incipiente que aún es vulnerable a la irracionalidad de los Mercados financieros y a la falta de canales de Aviso legal adecuados. Desde esa perspectiva, es lógico suponer que las técnicas de procesamiento del lenguaje natural, como el análisis de sentimientos, pueden identificar factores generadores de alfa o beta inteligente para predecir el comportamiento de los Cripto . La realidad es un BIT diferente.

Al aplicar el análisis de sentimientos a los Cripto , es probable que nos encontremos con dos tipos principales de desafíos:

• Limitaciones de las principales tecnologías de PNL cuando se aplican a un problema de dominio específico como el análisis de activos Cripto .
• Suposiciones incorrectas sobre cómo se refleja el sentimiento en las noticias y las redes sociales.

El primer desafío casi puede verse como un efecto secundario inesperado del rápido crecimiento de las tecnologías de procesamiento del lenguaje natural. Hoy en día, es relativamente fácil para un desarrollador incorporar el análisis de sentimientos en aplicaciones utilizando API simples que no requieren ninguna experiencia en aprendizaje profundo.

Si bien las API de PNL pueden ser eficaces al analizar el sentimiento de una oración genérica, su rendimiento es extremadamente deficiente cuando se intenta extrapolar el conocimiento específico del dominio de una oración específica. Por ejemplo, al analizar la oración “La aprobación de un ETF de Bitcoin podría ser inminente” requiere modelos de PNL que estén especializados en la semántica de la terminología específica del mercado y que sean capaces de extrapolar el sentimiento a un nivel más granular que el de una simple oración.

El segundo desafío está relacionado con los conceptos erróneos sobre cómo se refleja el sentimiento en las noticias y los comentarios en las redes sociales. Como fuente de información, las noticias pueden ser muy informativas, pero bastante inútiles cuando se trata de analizar el sentimiento. La razón es obvia: el sentimiento en las noticias bien escritas debería tender a ser neutral. Las redes sociales se comportan de manera exactamente opuesta. Las conversaciones sobre criptomonedas en Twitter o Telegram tienden a contener sentimientos relevantes pero, en su mayor parte, se basan en una reacción a información material pública, lo que significa que es poco probable que generen algún beneficio informativo. Además, los hilos de las redes sociales tienden a ser ruidosos y relativamente subjetivos, lo que puede producir resultados de análisis de sentimientos engañosos.

Desde un punto de vista puramente tecnológico, la creación de modelos de análisis de sentimientos efectivos para los Cripto requiere modelos entrenados en la terminología de los Mercados de Cripto , pero que también analicen las noticias como fuentes de información y los feeds de las redes sociales como amplificadores de sentimientos. Sin embargo, si superamos este desafío tecnológico, ahora nos enfrentamos a ONE de los mayores conceptos erróneos psicológicos en lo que respecta a los modelos de análisis de sentimientos en el espacio de las Cripto .

La falacia del sentimiento y el impacto en el mercado

La falacia del impacto del sentimiento en el mercado describe un fenómeno notorio o irracional, como los Mercados financieros nacientes en los que los inversores suponen una correlación directa entre una puntuación de sentimiento y un movimiento de precios. Para explicar esta dinámica de la economía conductual, imaginemos que estás usando una herramienta de análisis que analiza el sentimiento de los tuits recientes Bitcoin . Psicológicamente, la mayoría de los inversores tienden a interpretar el sentimiento como un indicador adelantado basándose en las siguientes reglas:

• Si el sentimiento es positivo, eso es un indicador alcista para el precio de Bitcoin.
• Si el sentimiento es negativo, eso es un indicador bajista para el precio de Bitcoin.

Sin embargo, si su modelo analiza información pública y material, el sentimiento debe interpretarse como un indicador rezagado que sigue algunas reglas no intuitivas:

• Si el sentimiento es positivo y el precio de Bitcoin no sube, eso es una señal bajista.
• Si el sentimiento es negativo y el precio de Bitcoin no baja, eso es una señal alcista.

Ser consciente del sesgo entre el sentimiento y el precio posiciona el análisis del sentimiento no como un indicador principal, sino como un factor a menudo relevante en una estrategia comercial.

Del análisis de sentimientos al análisis del impacto en el mercado

Desde un punto de vista informativo, el mercado de Cripto es ruidoso y está lleno de Eventos inesperados. En términos de análisis de sentimientos, esa combinación de factores es una pesadilla. En lugar de centrarnos estrictamente en el análisis de sentimientos, probablemente deberíamos desarrollar un enfoque más holístico. Un indicador de impacto de sentimiento en el mercado sería una combinación de análisis de polaridad (negativo, positivo, neutral), emoción (ansiedad, emoción, tristeza…) y aspectos (temas, entidades…) durante largos períodos de tiempo. Este enfoque requeriría el entrenamiento de modelos especializados en la dinámica de los criptoactivos para evaluar el sentimiento en el contexto de condiciones de mercado específicas.

La idea de los modelos de impacto de sentimiento en el mercado es conceptualmente trivial: cuantificar el impacto que las combinaciones de sentimiento, emociones y temas pueden tener en un activo Cripto durante condiciones de mercado específicas. Parte de la belleza de este enfoque es que no tiene que ser completamente sin supervisión como la mayoría de los modelos de sentimiento actuales; se puede entrenar con conocimiento específico del dominio de los Mercados de Cripto . Por ejemplo, podríamos entrenar un modelo para Aprende que los artículos positivos sobre la inversión china en Cripto pueden tener un impacto positivo en un mercado que ha sido relativamente bajista durante la última semana. El principio CORE de los modelos de análisis de impacto de sentimiento en el mercado sería contextualizar el conocimiento de los modelos de sentimiento a las particularidades del mercado de Cripto .

Es probable que el análisis de sentimientos KEEP generando titulares llamativos en el mercado de Cripto . Sin embargo, para ser efectivos, los modelos requieren un mayor rigor de aprendizaje automático y la creación de conocimientos basados ​​en la dinámica específica de los Mercados de Cripto . A medida que los Mercados evolucionen, es probable que veamos una transición desde técnicas de análisis de sentimientos simples a modelos de impacto de mercado más holísticos que cuantifiquen la relevancia de temas específicos en el comportamiento de los Mercados de Cripto .