Детальная информация

Эта магистерская диссертация посвящена связи между эмоциями, передаваемыми в новостных сообщениях на каналах Telegram, смежных с криптовалютой, и изменениями в динамике рынка. Статья начинается с обширной теоретической основы того, как сообщения в социальных сетях на различных платформах предположительно влияют на цены криптовалют и других продуктов. В ходе исследования было собрано и обработано большое количество данных с помощью инструментов обработки естественного языка для создания набора данных, заполненного количественными маркерами различных эмоций, которые, в свою очередь, в сочетании с ценами биткоина за период с 2020 по 2023 год были переданы в алгоритм машинного обучения для предоставления прогностических результатов. В исследовании использовались несколько моделей, таких как линейная регрессия, дерево решений, случайный лес и градиентное усиление. Модель градиентного усиления обеспечила коэффициент детерминации, близкий к 0,72, с минимальными ошибками и была признана наиболее эффективной в вопросах прогнозирования изменений ценовой точки биткоина с минимальными выбросами. Окончательная модель доказывает связь между сообщениями в социальных сетях Telegram и доходностью Bitcoin, а также влиянием социальных сетей на рынок. Это открывает поле для будущих исследований в области экономики, финансов и даже компьютерных наук. Практическим результатом исследования является прогностическая модель, которая может использоваться как вместе с традиционными прогностическими методами, так и сама по себе, предоставляя профессиональным и любительским инвесторам мощный инструмент, позволяющий им учитывать еще один фактор при принятии финансовых решений.

This Master’s dissertation is focusing on the connection between the emotions conveyed in the news postings on Cryptocurrency-adjacent Telegram channels and the changes in the market dynamics. The paper starts with an extensive theoretical basis on how social media postings across various platforms have been speculated to influence the prices of cryptocurrencies and other products. Over the course of the research, a large quantity of data was gathered and processed with Natural Language Processing tools to create a dataset filled with quantitative markers of various emotions, which in turn, coupled with the prices of Bitcoin over the period between 2020 and 2023 was fed to machine learning algorithm to provide predictive results. Several models such as Linear Regression, Decision Tree, Random Forest and Gradient Boosting have been used in research. Gradient boosting model provided coefficient of determination close to 0,72 with minimal errors and was deemed most effective in matters of predicting the Bitcoin price point changes with minimal outliers. The final model proves the connection between the social media posts on Telegram and returns on Bitcoin and the effect social media has on the market. That opens a field of future research in the fields of economics, finance and even computer science. The practical result of the research is a predictive model which can be used both alongside traditional predictive methods and by itself, providing professional and amateur investors with a powerful tool which allows them to take another factor into account when making financial decisions.