Mga Mito at Realidad: Pagsusuri ng Sentimento para sa Mga Asset ng Crypto

Si Jesus Rodriguez ay ang CTO at co-founder ng IntoTheBlock, isang platform na nakatuon sa pagpapagana ng isang matalinong imprastraktura para sa mga Crypto Markets, pati na rin ang punong siyentipiko ng AI firm na Invector Labs at isang aktibong mamumuhunan, tagapagsalita at may-akda sa Crypto at artificial intelligence. Ang artikulong ito ay orihinal na lumabas sa CoinDesk's Institutional Crypto newsletter.

Ang ONE sa mga itinatag na paniniwala sa merkado ng Cryptocurrency ay ang pagkamaramdamin nito sa mga balita at social media. Tulad ng anumang iba pang nascent at hindi makatwiran na merkado sa pananalapi, ang mga hindi inaasahang pag-unlad na nakuha sa mga balita o social media ay may posibilidad na makaapekto sa presyo. Bilang resulta, dumarami ang interes sa paggamit ng mga diskarte sa pag-aaral ng machine tulad ng pagsusuri ng sentimento upang makita ang mga posibleng ugnayan sa presyo ng mga cryptocurrencies at digital token. Sa kabila ng kahalagahan nito, karamihan sa mga pagtatangka na gamitin ang pagsusuri ng sentimento ay masyadong basic para makapaglabas ng anumang nasasalat na katalinuhan at kadalasang nagbubunga ng mga mapanlinlang na resulta.

Ang mga hamon ng mahusay na paggamit ng pagsusuri ng sentimento upang suriin ang pag-uugali ng isang asset ay hindi natatangi sa Crypto space. Ang paggawa ng mga tunay na insight batay sa textual na sentimento ay isang napakahirap na gawain na, kadalasan, ay nangangailangan ng natural na language processing (NLP) na mga modelo na na-optimize para sa isang partikular na domain sa pananalapi. Gumagamit ang malalaking quantitative hedge fund ng mga hukbo ng mga eksperto sa machine learning para sanayin ang mga modelo ng NLP sa isang napaka-espesipikong gawain tulad ng pagsusuri sa mga ulat ng kita upang makakuha ng bentahe sa isang medium frequency trade. Ang mahusay na paggamit ng pagsusuri ng sentimento para sa mga asset ng Crypto ay nangangailangan ng lalim at higpit ng machine learning.

Upang maunawaan ang pahayag na iyon, magsimula tayo sa pamamagitan ng pagsisid ng BIT sa mga katangian ng mga pamamaraan ng pagsusuri ng damdamin.

Isang banayad na panimula sa pagsusuri ng damdamin

Sa Act II, Scene II ng sikat na dula Richelieu; O ang Conspiracy, ang manunulat ng dulang British na si Edward Bulwer-Lytton ay lumikha ng isang pariralang lumampas sa mga henerasyon: “Ang panulat ay mas makapangyarihan kaysa sa tabak.” Pagkalipas ng mga siglo, ang sikat na quote na iyon ay napakatalino na nagsasaad ng kahalagahan ng pagsusuri ng damdamin. Ang mga emosyon sa textual na komunikasyon ay minsan ay mas nakakatulong sa mga aksyon kaysa sa pisikal na mga aksyon mismo.

Sa konsepto, ang pagsusuri ng sentimento ay isang subdiscipline ng NLP na nakatuon sa pagtukoy sa mga estado ng affective ng textual na komunikasyon. Taliwas sa mga tanyag na paniniwala, ang pagsusuri ng sentimento ay hindi isang solong pamamaraan kundi isang subdisiplina ng malalim na espasyo sa pag-aaral na sumasaklaw sa iba't ibang uri ng pagtuklas ng pagmamahal sa data ng teksto. Mula sa pananaw na iyon, may ilang uri ng pagsusuri ng damdamin na maaaring may kaugnayan sa konteksto ng crypto-asset intelligence:

• Pagsusuri ng Polarity: Ang ganitong uri ng pagsusuri ng sentimento ay niraranggo ang textual na sentimento sa positibo, negatibo at neutral. Halimbawa, ang pangungusap na "ang Bitcoin price Rally ay muling nagpasigla sa merkado” ay malamang na mauuri bilang positibo ng karamihan sa mga modelo.
• Pagsusuri sa Emosyon/Tono: Sa halip na pangkalahatang qualifier para sa teksto, ang ganitong uri ng pagsusuri ay nakasentro sa pagmamarka ng iba't ibang uri ng emosyon na nasa isang partikular na teksto. Ang mga emosyon tulad ng kalungkutan, kaligayahan o galit ay isang pangkaraniwang pokus ng mga algorithm ng pagsusuri ng emosyon. Halimbawa, ang pangungusap na "nakakabaliw ang Bitcoin Rally na ito,” ay magpapakita ng mataas na antas ng pananabik at kagalakan.
• Aspect Sentiment Analysis: Ang ganitong uri ng pagsusuri ng damdamin ay nakatuon sa pagbibigay-kahulugan sa damdamin tungkol sa mga partikular na paksa sa loob ng isang pangungusap sa halip na isang pangungusap sa kabuuan. Halimbawa, sa pangungusap na "Ang Bakkt futures ay isang pangunahing milestone para sa Bitcoin market, "aspect analysis ang tutukuyin ang sentiment na nauugnay sa "Bakkt futures" sa halip na ang kumpletong pangungusap.

Sa pagtingin sa nakaraang listahan, malinaw nating makikita ang mga benepisyo ng pagsusuri ng sentimento para sa mga asset ng Crypto . Gayunpaman, mayroon ding maraming mga hamon na dapat isaalang-alang bago makipagsapalaran sa paggamit ng mga ganitong uri ng mga diskarte. Ang contextualization, subjectivity, irony o kahit masamang grammar ay kabilang sa mga salik na madaling linlangin ang pinakamahusay na NLP algorithm.

Pagsusuri ng damdamin para sa mga asset ng Crypto

Ang Crypto ay isang bagong klase ng asset na mahina pa rin sa hindi makatwiran ng mga Markets sa pananalapi at kakulangan ng wastong mga channel sa Disclosure . Mula sa pananaw na iyon, lohikal lamang na ipagpalagay na ang mga diskarte ng NLP tulad ng pagsusuri ng sentimento ay maaaring makilala ang mga kadahilanan ng alpha o matalinong beta generator upang mahulaan ang pag-uugali ng mga asset ng Crypto . BIT iba ang realidad.

Kapag nag-aaplay ng pagsusuri ng sentimento sa mga asset ng Crypto , malamang na makatagpo tayo ng dalawang pangunahing uri ng mga hamon:

• Mga limitasyon ng mga pangunahing teknolohiya ng NLP kapag inilapat sa isang problemang partikular sa domain gaya ng pagsusuri sa asset ng Crypto .
• Mga maling pagpapalagay tungkol sa kung paano ipinapakita ang damdamin sa mga balita at social media.

Ang unang hamon ay halos makikita bilang isang hindi inaasahang epekto ng mabilis na paglago ng mga teknolohiya ng NLP. Ngayon, medyo madali na para sa isang developer na isama ang pagsusuri ng sentimento sa mga application gamit ang mga simpleng API na T nangangailangan ng anumang malalim na kadalubhasaan sa pag-aaral.

Bagama't ang mga NLP API ay maaaring maging epektibo sa pagsusuri sa damdamin ng isang generic na pangungusap, ang mga ito ay gumaganap nang napakahina kapag sinusubukang i-extrapolate ang kaalaman na partikular sa domain ng isang partikular na pangungusap. Halimbawa, ang pagsusuri sa pangungusap na "maaaring malapit na ang pag-apruba ng Bitcoin ETF” ay nangangailangan ng mga modelo ng NLP na dalubhasa sa mga semantika ng terminolohiya na partikular sa merkado at nagagawang mag-extrapolate ng damdamin sa mas granular na antas kaysa sa isang pangungusap lamang.

Ang pangalawang hamon ay nauugnay sa mga maling kuru-kuro tungkol sa kung paano ipinapakita ang damdamin sa mga balita at komentaryo sa social media. Bilang isang mapagkukunan ng katalinuhan, ang balita ay maaaring maging lubos na nagbibigay-kaalaman ngunit medyo walang silbi pagdating sa pagsusuri ng damdamin. Ang dahilan ay halata: ang damdamin sa mahusay na pagkakasulat ng mga balita ay dapat na maging neutral. Ang social media ay kumikilos sa eksaktong kabaligtaran na paraan. Ang mga pag-uusap tungkol sa mga cryptocurrencies sa Twitter o Telegram ay may posibilidad na naglalaman ng nauugnay na damdamin ngunit, sa karamihan, ay batay sa isang reaksyon sa pampublikong materyal na impormasyon, na nangangahulugan na ang mga ito ay malamang na hindi makabuo ng anumang impormasyon na gilid. Bukod pa rito, ang mga social media thread ay may posibilidad na maging maingay at medyo subjective, na maaaring magdulot ng mapanlinlang na mga resulta ng pagsusuri ng sentimento.

Mula sa isang purong teknolohikal na pananaw, ang pagbuo ng mga epektibong modelo ng pagsusuri ng sentimento para sa mga asset ng Crypto ay nangangailangan ng mga modelong sinanay sa terminolohiya ng mga Crypto Markets, ngunit sinusuri din nito ang mga balita bilang mga mapagkukunan ng impormasyon at mga feed ng social media bilang mga amplifier ng damdamin. Gayunpaman, kung malalampasan natin ang teknolohikal na hamon na ito, nahaharap tayo ngayon sa ONE sa pinakamalaking sikolohikal na maling kuru-kuro pagdating sa mga modelo ng pagsusuri ng sentimento sa espasyo ng Crypto .

Ang kamalian sa epekto ng sentiment-market

Ang sentiment-market impact fallacy ay naglalarawan ng isang kababalaghan na kilalang-kilala o hindi makatwiran, tulad ng mga namumuong Markets sa pananalapi kung saan ang mga mamumuhunan ay nagpapalagay ng direktang ugnayan sa pagitan ng marka ng sentimento at paggalaw ng presyo. Upang ipaliwanag ang dynamic na pang-ekonomiyang pag-uugali na ito, isipin natin na gumagamit ka ng tool sa analytics na sinusuri ang damdamin ng mga kamakailang tweet ng Bitcoin . Sa sikolohikal, karamihan sa mga mamumuhunan ay may hilig na bigyang-kahulugan ang damdamin bilang isang nangungunang tagapagpahiwatig batay sa mga sumusunod na patakaran:

• Kung positibo ang damdamin, iyon ay isang bullish indicator para sa presyo ng Bitcoin.
• Kung ang sentimento ay negatibo, iyon ay isang bearish indicator para sa presyo ng Bitcoin.

Gayunpaman, kung ang iyong modelo ay nagsusuri ng pampubliko, materyal na impormasyon, ang sentimyento ay dapat bigyang-kahulugan bilang isang lagging indicator na sumusunod sa ilang di-intuitive na panuntunan:

• Kung positibo ang sentimyento at hindi tumataas ang presyo ng Bitcoin , iyon ay isang bearish signal.
• Kung negatibo ang sentimyento at hindi bumaba ang presyo ng Bitcoin , iyon ay isang bullish signal.

Ang pagkakaroon ng kamalayan sa sentiment-price bias positions sentiment analysis hindi bilang isang nangungunang tagapagpahiwatig ngunit bilang isang madalas na nauugnay na kadahilanan sa isang diskarte sa pangangalakal.

Mula sa pagsusuri ng damdamin hanggang sa pagsusuri ng epekto sa merkado

Mula sa pananaw na nagbibigay-kaalaman, ang Crypto market ay maingay at puno ng mga hindi inaasahang Events. Sa mga tuntunin ng pagsusuri ng damdamin, ang kumbinasyon ng mga kadahilanan ay isang bangungot. Sa halip na makitid na tumuon sa pagsusuri ng damdamin, marahil ay dapat tayong bumuo ng isang mas holistic na diskarte. Ang indicator ng epekto ng sentiment-market ay isang kumbinasyon ng polarity (negatibo, positibo, neutral), emosyon (nababalisa, nasasabik, malungkot...) at batay sa aspeto (mga paksa, entity...) na pagsusuri sa mahabang panahon. Ang pamamaraang ito ay mangangailangan ng pagsasanay ng mga modelong dalubhasa sa dinamika ng mga asset ng Crypto upang suriin ang damdamin sa konteksto ng mga partikular na kondisyon ng merkado.

Ang ideya ng mga modelo ng epekto sa sentiment-market ay hindi mahalaga sa konsepto: sukatin ang epekto ng mga kumbinasyon ng damdamin, emosyon at mga paksa sa isang asset ng Crypto sa panahon ng mga partikular na kondisyon ng merkado. Bahagi ng kagandahan ng diskarte na ito ay T ito kailangang ganap na hindi pinangangasiwaan tulad ng karamihan sa mga modelo ng damdamin ngayon; maaari itong sanayin sa kaalamang partikular sa domain ng mga Markets ng Crypto . Halimbawa, maaari naming sanayin ang isang modelo upang Learn na ang mga positibong artikulo tungkol sa pamumuhunan ng Chinese sa Crypto ay maaaring magkaroon ng positibong epekto sa isang market na medyo bearish noong nakaraang linggo. Ang CORE prinsipyo ng mga modelo ng pagsusuri ng epekto ng sentimento-market ay ang pagsasakonteksto ng kaalaman ng mga modelo ng sentimento sa mga detalye ng merkado ng Crypto .

Ang pagsusuri sa sentimento ay malamang na KEEP magpapasiklab ng mga makikinang na headline sa Crypto market. Gayunpaman, upang maging epektibo, ang mga modelo ay nangangailangan ng mas malalim na machine learning rigor at ang pagbuo ng kaalaman batay sa partikular na dinamika ng mga Crypto Markets. Habang umuunlad ang mga Markets , malamang na makakita tayo ng paglipat mula sa simpleng mga diskarte sa pagsusuri ng sentimento patungo sa mas holistic na mga modelo ng epekto sa merkado na sumusukat sa kaugnayan ng mga partikular na paksa sa pag-uugali ng mga Crypto Markets.