Miti e realtà: analisi del sentiment per le Cripto

Jesus Rodriguez è il CTO e co-fondatore diNelBlocco, una piattaforma focalizzata sull'abilitazione di un'infrastruttura intelligente per i Mercati Cripto , nonché capo scienziato della società di intelligenza artificiale Invector Labs e attivo investitore, relatore e autore nel Cripto e dell'intelligenza artificiale. Questo articolo è stato originariamente pubblicato nella newsletter Institutional Cripto di CoinDesk.

ONE delle convinzioni consolidate nel mercato Criptovaluta è la sua suscettibilità alle notizie e ai social media. Come qualsiasi altro mercato finanziario nascente e ancora irrazionale, gli sviluppi inaspettati catturati nelle notizie o nei social media tendono a influenzare il prezzo. Di conseguenza, c'è un crescente interesse nello sfruttare tecniche di apprendimento automatico come l'analisi del sentiment per rilevare possibili correlazioni con il prezzo delle criptovalute e dei token digitali. Nonostante la sua importanza, la maggior parte dei tentativi di sfruttare l'analisi del sentimento sono troppo basilari per produrre informazioni tangibili e molto spesso producono risultati fuorvianti.

Le sfide di sfruttare in modo efficiente l'analisi del sentiment per valutare il comportamento di un asset non sono esclusive dello spazio Cripto . Produrre vere intuizioni basate sul sentiment testuale è un compito molto difficile che, il più delle volte, richiede modelli di elaborazione del linguaggio naturale (NLP) ottimizzati per uno specifico dominio finanziario. I grandi hedge fund quantitativi utilizzano eserciti di esperti di apprendimento automatico per addestrare modelli NLP in un compito molto specifico come l'analisi dei report sugli utili al fine di ottenere un vantaggio in un trade a media frequenza. Sfruttare in modo efficiente l'analisi del sentiment per gli asset Cripto richiede profondità e rigore nell'apprendimento automatico.

Per comprendere questa affermazione, iniziamo ad BIT le caratteristiche dei metodi di analisi del sentiment.

Una delicata introduzione all'analisi dei sentimenti

Nell'Atto II, Scena II della famosa opera teatraleRichelieu; o la cospirazione, il drammaturgo britannico Edward Bulwer-Lytton coniò una frase che ha trasceso le generazioni: "La penna è più potente della spada". Secoli dopo, quella famosa citazione racchiude brillantemente l'importanza dell'analisi del sentimento. Le emozioni nella comunicazione testuale sono talvolta più favorevoli alle azioni rispetto alle azioni fisiche stesse.

Concettualmente, la sentiment analysis è una sottodisciplina della PNL che si concentra sull'identificazione degli stati affettivi delle comunicazioni testuali. Contrariamente alle credenze popolari, la sentiment analysis non è una tecnica singola, ma piuttosto una sottodisciplina dello spazio di apprendimento profondo che copre diversi tipi di rilevamento dell'affetto nei dati testuali. Da questa prospettiva, ci sono diversi tipi di sentiment analysis che potrebbero essere rilevanti nel contesto dell'intelligence sulle criptovalute:

• Analisi della polarità: Questo tipo di analisi del sentimento classifica il sentimento testuale in positivo, negativo e neutro. Ad esempio, la frase "il Rally del prezzo Bitcoin ha rivitalizzato il mercato" sarebbe probabilmente classificato come positivo dalla maggior parte dei modelli.
• Analisi Emozione/Tono: Invece di un qualificatore generale per il testo, questo tipo di analisi si concentra sulla valutazione dei diversi tipi di emozioni presenti in un testo particolare. Emozioni come tristezza, felicità o rabbia sono un focus comune degli algoritmi di analisi delle emozioni. Ad esempio, la frase "questo Rally Bitcoin è pazzesco,” mostrerà alti livelli di eccitazione e gioia.
• Analisi del sentimento dell'aspetto: Questo tipo di analisi del sentimento si concentra sull'interpretazione del sentimento su argomenti specifici all'interno di una frase piuttosto che su una frase nel suo complesso. Ad esempio, nella frase "I futures Bakkt rappresentano una pietra miliare per il mercato Bitcoin,” l'analisi dell'aspetto determinerà il sentimento correlato a “Bakkt futures” invece della frase completa.

Guardando l'elenco precedente, possiamo vedere chiaramente i vantaggi dell'analisi del sentiment per le Cripto . Tuttavia, ci sono anche molte sfide che dovrebbero essere considerate prima di avventurarsi nell'uso di questo tipo di tecniche. Contestualizzazione, soggettività, ironia o persino cattiva grammatica sono tra i fattori che possono facilmente ingannare i migliori algoritmi NLP.

Analisi del sentiment per le Cripto

Le Cripto sono una classe di asset nascente che è ancora vulnerabile all'irrazionalità dei Mercati finanziari e alla mancanza di canali Dichiarazione informativa adeguati. Da questa prospettiva, è logico supporre che le tecniche NLP come l'analisi del sentiment possano identificare fattori generatori alfa o smart beta per prevedere il comportamento delle Cripto . La realtà è un BIT' diversa.

Quando applichiamo l'analisi del sentiment alle Cripto , è probabile che incontreremo due tipi principali di sfide:

• Limiti delle principali tecnologie NLP quando applicate a un problema specifico di un dominio come l'analisi delle Cripto .
• Supposizioni errate su come i sentimenti si riflettono nelle notizie e nei social media.

La prima sfida può quasi essere vista come un effetto collaterale inaspettato della rapida crescita delle tecnologie NLP. Oggi, è relativamente facile per uno sviluppatore incorporare l'analisi del sentiment nelle applicazioni utilizzando semplici API che T richiedono alcuna competenza di apprendimento profondo.

Mentre le API NLP possono essere efficaci nell'analizzare il sentimento di una frase generica, hanno prestazioni estremamente scadenti quando cercano di estrapolare la conoscenza specifica del dominio di una frase specifica. Ad esempio, analizzando la frase "l'approvazione di un ETF Bitcoin potrebbe essere imminente"richiede modelli NLP specializzati nella semantica della terminologia specifica del mercato e in grado di estrapolare il sentimento a un livello più granulare rispetto a una semplice frase.

La seconda sfida è legata alle idee sbagliate su come il sentiment si riflette nelle notizie e nei commenti sui social media. Come fonte di intelligence, le notizie possono essere altamente informative ma piuttosto inutili quando si tratta di analisi del sentiment. Il motivo è ovvio: il sentiment nelle notizie ben scritte dovrebbe tendere verso la neutralità. I social media si comportano esattamente nel modo opposto. Le conversazioni sulle criptovalute su Twitter o Telegram tendono a contenere un sentiment rilevante ma, per la maggior parte, si basano su una reazione a informazioni materiali pubbliche, il che significa che è improbabile che generino alcun vantaggio informativo. Inoltre, i thread sui social media tendono a essere rumorosi e relativamente soggettivi, il che può produrre risultati di analisi del sentiment fuorvianti.

Da un punto di vista puramente tecnologico, la creazione di modelli efficaci di analisi del sentiment per le Cripto richiede modelli formati nella terminologia dei Mercati Cripto , ma che analizzino anche le notizie come fonti di informazioni e i feed dei social media come amplificatori del sentiment. Tuttavia, se superiamo questa sfida tecnologica, ci troviamo ora di fronte a ONE dei più grandi equivoci psicologici quando si tratta di modelli di analisi del sentiment nello spazio Cripto .

L’errore dell’impatto del mercato del sentimento

La fallacia dell'impatto del sentiment-market descrive un fenomeno noto o irrazionale, come i Mercati finanziari nascenti in cui gli investitori presumono una correlazione diretta tra un punteggio di sentiment e un movimento di prezzo. Per spiegare questa dinamica di economia comportamentale, immaginiamo di utilizzare uno strumento di analisi che analizza il sentiment dei recenti tweet Bitcoin . Psicologicamente, la maggior parte degli investitori è incline a interpretare il sentiment come un indicatore anticipatore in base alle seguenti regole:

• Se il sentiment è positivo, si tratta di un indicatore rialzista per il prezzo del Bitcoin.
• Se il sentiment è negativo, si tratta di un indicatore ribassista per il prezzo del Bitcoin.

Tuttavia, se il tuo modello analizza informazioni pubbliche e materiali, il sentiment dovrebbe essere interpretato come un indicatore ritardato che segue alcune regole non intuitive:

• Se il sentiment è positivo e il prezzo del Bitcoin non sale, si tratta di un segnale ribassista.
• Se il sentiment è negativo e il prezzo del Bitcoin non scende, si tratta di un segnale rialzista.

Essere consapevoli del bias tra sentimento e prezzo posiziona l'analisi del sentimento non come un indicatore anticipatore, ma come un fattore spesso rilevante in una strategia di trading.

Dall'analisi del sentiment all'analisi dell'impatto sul mercato

Da un punto di vista informativo, il mercato Cripto è rumoroso e pieno di Eventi inaspettati. In termini di analisi del sentiment, quella combinazione di fattori è un incubo. Invece di concentrarci strettamente sull'analisi del sentiment, dovremmo probabilmente sviluppare un approccio più olistico. Un indicatore di impatto del sentiment sul mercato sarebbe una combinazione di analisi di polarità (negativa, positiva, neutra), emozione (ansioso, eccitato, triste...) e basata sugli aspetti (argomenti, entità...) su lunghi periodi di tempo. Questo approccio richiederebbe la formazione di modelli specializzati nelle dinamiche delle Cripto per valutare il sentiment nel contesto di specifiche condizioni di mercato.

L'idea dei modelli di impatto del sentiment-market è concettualmente banale: quantificare l'impatto che combinazioni di sentiment, emozioni e argomenti possono avere su un asset Cripto durante specifiche condizioni di mercato. Parte della bellezza di questo approccio è che T deve essere completamente non supervisionato come la maggior parte dei modelli di sentiment odierni; può essere addestrato sulla conoscenza specifica del dominio dei Mercati Cripto . Ad esempio, potremmo addestrare un modello per Imparare che articoli positivi sugli investimenti cinesi in Cripto possono avere un impatto positivo in un mercato che è stato relativamente ribassista per l'ultima settimana. Il principio CORE dei modelli di analisi dell'impatto del sentiment-market sarebbe quello di contestualizzare la conoscenza dei modelli di sentiment alle specificità del mercato Cripto .

È probabile che l'analisi del sentiment KEEP a suscitare titoli appariscenti nel mercato Cripto . Tuttavia, per essere efficaci, i modelli richiedono un rigore di apprendimento automatico più profondo e la creazione di conoscenze basate sulle dinamiche specifiche dei Mercati Cripto . Con l'evoluzione dei Mercati , è probabile che assisteremo a una transizione dalle semplici tecniche di analisi del sentiment a modelli di impatto di mercato più olistici che quantificano la rilevanza di argomenti specifici nel comportamento dei Mercati Cripto .