Мифы и реальность: анализ настроений относительно Криптo

Хесус Родригес — технический директор и соучредительIntoTheBlock, платформы, ориентированной на создание интеллектуальной инфраструктуры для Рынки Криптo , а также главный научный сотрудник компании Invector Labs, занимающейся разработкой искусственного интеллекта, и активный инвестор, спикер и автор в области Криптo и искусственного интеллекта. Первоначально эта статья была опубликована в информационном бюллетене Institutional Криптo от CoinDesk.

ONE из устоявшихся убеждений относительно рынка Криптовалюта — его восприимчивость к новостям и социальным сетям. Как и на любом другом зарождающемся и все еще иррациональном финансовом рынке, неожиданные события, отраженные в новостях или социальных сетях, имеют тенденцию влиять на цену. В результате растет интерес к использованию методов машинного обучения, таких как анализ настроений, для выявления возможных корреляций с ценой криптовалют и цифровых токенов. Несмотря на свою важность, большинство попыток использовать анализ настроений слишком примитивны, чтобы выдать какую-либо ощутимую информацию, и довольно часто приводят к вводящим в заблуждение результатам.

Проблемы эффективного использования анализа настроений для оценки поведения актива не являются уникальными для Криптo . Получение истинных идей на основе текстовых настроений — очень сложная задача, которая в большинстве случаев требует моделей обработки естественного языка (NLP), оптимизированных для конкретной финансовой области. Крупные количественные хедж-фонды используют армии экспертов по машинному обучению для обучения моделей NLP для очень специфической задачи, такой как анализ отчетов о доходах, чтобы получить преимущество в среднечастотной торговле. Эффективное использование анализа настроений для Криптo требует глубины и строгости машинного обучения.

Чтобы понять это утверждение, давайте для начала BIT углубимся в характеристики методов анализа настроений.

Легкое введение в анализ настроений

Во втором акте, во второй сцене знаменитой пьесыРишелье; Или заговор, британский драматург Эдвард Бульвер-Литтон придумал фразу, которая пережила поколения: «Перо сильнее меча». Спустя столетия эта знаменитая цитата блестяще передает важность анализа настроений. Эмоции в текстовой коммуникации иногда более способствуют действиям, чем сами физические действия.

Концептуально анализ настроений — это подраздел NLP, который фокусируется на выявлении аффективных состояний текстовых сообщений. Вопреки распространенному мнению, анализ настроений — это не отдельная техника, а скорее подраздел пространства глубокого обучения, который охватывает различные типы обнаружения эмоций в текстовых данных. С этой точки зрения существует несколько типов анализа настроений, которые могут быть актуальны в контексте разведки криптоактивов:

• Анализ полярности: Этот тип анализа настроений ранжирует текстовые настроения на положительные, отрицательные и нейтральные. Например, предложение «Rally цен на Bitcoin оживил рынок” скорее всего, будет классифицирован как положительный в большинстве моделей.
• Анализ эмоций/тона: Вместо общего квалификатора для текста, этот тип анализа фокусируется на оценке различных типов эмоций, присутствующих в определенном тексте. Такие эмоции, как грусть, счастье или гнев, являются общим фокусом алгоритмов анализа эмоций. Например, предложение «это Rally Bitcoin безумно», продемонстрирует высокий уровень волнения и радости.
• Анализ настроений аспектов: Этот тип анализа настроений фокусируется на интерпретации настроений по поводу конкретных тем в предложении, а не предложения в целом. Например, в предложении «Фьючерсы Bakkt — важная веха для рынка Bitcoin», аспектный анализ определит настроение, связанное с «фьючерсами Bakkt», а не с полным предложением.

Рассматривая предыдущий список, мы можем ясно увидеть преимущества анализа настроений для Криптo . Однако есть также множество проблем, которые следует рассмотреть, прежде чем рисковать и использовать эти типы методов. Контекстуализация, субъективность, ирония или даже плохая грамматика — вот факторы, которые могут легко обмануть лучшие алгоритмы NLP.

Анализ настроений в отношении Криптo

Криптo — это зарождающийся класс активов, который все еще уязвим к иррациональности финансовых Рынки и отсутствию надлежащих каналов Раскрытие информации . С этой точки зрения логично предположить, что методы NLP, такие как анализ настроений, могут определять факторы альфа- или интеллектуального бета-генератора для прогнозирования поведения Криптo . Реальность BIT отличается.

Применяя анализ настроений к Криптo , мы, скорее всего, столкнемся с двумя основными типами проблем:

• Ограничения основных технологий обработки естественного языка при применении к проблеме, специфичной для определенной области, например, анализу Криптo .
• Неверные предположения о том, как настроения отражаются в новостях и социальных сетях.

Первую проблему можно рассматривать как неожиданный побочный эффект быстрого роста технологий обработки естественного языка. Сегодня разработчику относительно легко интегрировать анализ настроений в приложения, используя простые API, T требующие никаких знаний в области глубокого обучения.

Хотя API NLP могут быть эффективными при анализе настроения общего предложения, они крайне плохо справляются с попытками экстраполировать знание предметной области конкретного предложения. Например, анализ предложения «одобрение Bitcoin ETF может быть неизбежным» требуются модели НЛП, которые специализируются на семантике рыночной терминологии и способны экстраполировать настроения на более детальном уровне, чем просто на уровне предложения.

Вторая проблема связана с неправильными представлениями о том, как настроения отражаются в новостях и комментариях в социальных сетях. Как источник разведданных, новости могут быть весьма информативными, но совершенно бесполезными, когда дело касается анализа настроений. Причина очевидна: настроения в хорошо написанных новостях должны быть нейтральными. Социальные сети ведут себя совершенно противоположным образом. Обсуждения криптовалют в Twitter или Telegram, как правило, содержат соответствующие настроения, но по большей части основаны на реакции на публичную существенную информацию, что означает, что они вряд ли будут генерировать какое-либо информационное преимущество. Кроме того, потоки сообщений в социальных сетях, как правило, шумные и относительно субъективные, что может давать вводящие в заблуждение результаты анализа настроений.

С чисто технологической точки зрения, построение эффективных моделей анализа настроений для Криптo требует моделей , обученных терминологии Криптo , но которые также анализируют новости как источники информации и каналы социальных сетей как усилители настроений. Однако, если мы преодолеем эту технологическую проблему, мы столкнемся с ONE из самых больших психологических заблуждений, когда дело дойдет до моделей анализа настроений в Криптo .

Заблуждение о влиянии настроений на рынок

Заблуждение о влиянии настроений на рынок описывает явление, которое является печально известным или иррациональным, например, зарождающиеся финансовые Рынки , на которых инвесторы предполагают прямую корреляцию между оценкой настроений и движением цен. Чтобы объяснить эту динамику поведенческой экономики, давайте представим, что вы используете аналитический инструмент, который анализирует настроения недавних твитов о Bitcoin . Психологически большинство инвесторов склонны интерпретировать настроения как опережающий индикатор на основе следующих правил:

• Если настроения положительные, это является оптимистичным индикатором для цены Bitcoin.
• Если настроения негативные, это медвежий индикатор для цены Bitcoin.

Однако если ваша модель анализирует публичную, существенную информацию, настроения следует интерпретировать как запаздывающий индикатор, следуя некоторым неинтуитивным правилам:

• Если настроения позитивные и цена Bitcoin не растет, это медвежий сигнал.
• Если настроения негативные и цена Bitcoin не снижается, это бычий сигнал.

Осознание предвзятости настроений и цен делает анализ настроений не опережающим индикатором, а зачастую значимым фактором в торговой стратегии.

От анализа настроений до анализа влияния на рынок

С информационной точки зрения рынок Криптo шумный и полон неожиданных Мероприятия. С точки зрения анализа настроений, эта комбинация факторов — кошмар. Вместо того, чтобы узко фокусироваться на анализе настроений, нам, вероятно, следует разработать более целостный подход. Индикатор влияния настроений на рынок будет представлять собой комбинацию анализа полярности (негатив, позитив, нейтральность), эмоций (тревога, возбуждение, грусть…) и аспектов (темы, сущности…) за длительные периоды времени. Этот подход потребует обучения моделей, специализирующихся на динамике Криптo , для оценки настроений в контексте конкретных рыночных условий.

Идея моделей влияния настроений на рынок концептуально тривиальна: количественно оценить влияние, которое комбинации настроений, эмоций и тем могут оказать на Криптo в определенных рыночных условиях. Часть прелести этого подхода заключается в том, что он T должен быть полностью неконтролируемым, как большинство современных моделей настроений; его можно обучить на предметно-специфических знаниях о Рынки . Например, мы могли бы обучить модель Словарь , что положительные статьи о китайских инвестициях в Криптo могут оказывать положительное влияние на рынок, который был относительно медвежьим в течение последней недели. CORE принцип моделей анализа влияния настроений на рынок заключается в том, чтобы контекстуализировать знание моделей настроений к специфике Криптo .

Анализ настроений, вероятно, KEEP вызывать яркие заголовки на рынке Криптo . Однако, чтобы быть эффективными, модели требуют более глубокой строгости машинного обучения и накопления знаний на основе конкретной динамики Рынки Криптo . По мере развития Рынки мы, вероятно, увидим переход от простых методов анализа настроений к более целостным моделям воздействия на рынок, которые количественно оценивают актуальность конкретных тем в поведении Рынки Криптo .