如何使用机器学习分析加密货币市场

在加密货币市场，有一种既定观点认为市场容易受到新闻和社交媒体舆论的影响。 就像任何其他新生的和非理性的金融市场一样，新闻或社交媒体中传达的意外事件会影响金融产品的价格。 因此，人们越来越寄希望于利用情绪分析（Sentiment Analysis）等机器学习方法来监测市场情绪与加密货币和数字代币之间可能存在的联系。 尽管这种方法很重要，但大多数情绪分析方法都非常肤浅，以至于很少能从这些分析中得出实际结论，而且往往会产生误导。

如何通过情绪分析有效评估资产的未来价格趋势具有挑战性比特币分析工具，而且这一挑战并非加密空间所独有。 在大多数情况下，从文本情感中生成有价值的见解是一项非常艰巨的任务，需要针对特定​​金融领域优化的自然语言处理 (NLP) 模型。 大型量化对冲基金雇佣大量机器学习专家来训练 NLP 模型以完成特定任务，例如分析收益报告，以便在中频交易中获得优势。 对加密资产进行有效的情感分析需要深度和严谨的机器学习。

为了进一步阐述上述观点，我们不妨从情感分析的特点入手，逐步加深对情感分析的认识。

浅谈情感分析

在著名历史剧《黎塞留》第二幕第二幕中，英国剧作家爱德华·布尔沃-莱顿写下了一句经典台词：“笔比剑威武（The pen is mightier than the sword）”。 沧海桑田一百年，用这句经典的话来概括情感分析的重要性似乎很合适。 有时情绪比肢体语言更能影响人们的行为。

仅从概念上讲，情绪分析属于 NLP，它更侧重于识别文本通信中存在的情绪状态。 与一般观点相反，情感分析不仅是一种技术，也是深度学习领域的一个子范畴，用于识别文本数据中的各种情感因素。 从这个角度来看，我们可以初步认为以下几类情感分析与智能加密资产相关。

极性分析：这种类型的情感分析将文本情感分为：正面、负面和中性。 例如，在大多数情绪分析模型中，“比特币的价格已经稳定，稳定提高了市场信心”这句话被归为正面类别。

Emotion/Tone Analysis：不同于文本的整体分类，这种分析方法致力于对特定上下文中呈现的不同情绪进行打分。 情绪分析算法通常关注悲伤、快乐或愤怒等情绪。 例如：“比特币在止损后大幅反弹”将被视为高情绪。

方面情感分析：这种类型的情感分析侧重于解释句子中特定主题的情感，而不是将句子作为一个整体来处理。 例如：在“Bakkt期货市场的出现是比特币市场的一个里程碑”这句话中，情绪分析会对与“Bakkt期货”相关的内容进行情绪分析，而不是整句话进行分析。

基于以上分析，我们可以清楚地看到将情感分析应用于加密资产的好处。 尽管如此，在试验此类技术之前，我们仍应考虑风险因素。 文章内容中的上下文、主观性、讽刺甚至语法错误都会使最好的 NLP 算法变得无用。

加密资产的情绪分析

加密资产是一种新的资产类别。 该资产仍受金融市场非理性因素影响，也缺乏有效的信息披露渠道。 从这个角度来看，NLP 技术（如情绪分析）可以识别 alpha 或 smart beta 因素以预测加密资产的行为变化的想法是合乎逻辑的，但与现实略有不同。 （CoinDesk中文版注：alpha是指资产获得的超额收益，而beta是指评估证券系统性风险的工具，用于衡量一种证券或投资证券组合相对于整体的波动性市场。）

在将情感分析技术应用于加密资产时，我们可能主要遇到两类挑战：

1. 主流NLP技术应用于特定领域（如加密资产分析）面临的挑战

2. 错误理解新闻和社交媒体所反映的真实情感意义

第一个挑战几乎可以看作是快速发展的 NLP 技术的意外副作用。 如今，开发人员通过调用不需要任何深度学习专业知识的简单应用程序编程接口 (API)，可以相对轻松地将情感分析技术付诸实践。 技能。

尽管 NLP API 可以有效地分析普通句子的情感，但是当试图从特定句子中推断出特定领域的信息时，这些 API 的性能很差。 比如分析“比特币ETF可能即将获批”这句话，需要NLP模型非常精通特定市场的技术术语语义，能够从非常微观的层面去解读这句话，而不是仅从整个句子。 关于上下文中的情绪的推断。

第二个挑战来自错误识别新闻和社交媒体评论中反映的情绪。 作为一种信息来源，新闻所包含的信息是相当丰富的，但在进行情感分析时也可以说是相当无用。 这样做的直观原因是，好消息中包含的情绪应该是中性的。 社交媒体上的内容恰恰相反。 Twitter 或 Telegram 中关于加密货币的评论通常包含一些情绪，但这些评论大部分是基于对一些公众关注的重大信息的情绪反馈，这意味着这些情绪并不包含有价值的信息。 此外，来自社交媒体的评论往往嘈杂且相对主观，这可能会误导情感分析的结果。

从纯粹的技术角度来看，为加密资产构建有效的情绪分析模型需要用加密市场术语训练模型，同时还要分析作为信息来源的新闻和作为情绪放大器的社交媒体。 然而，在将情绪分析模型应用于加密资产空间时，我们目前面临的最大心理陷阱之一是我们是否克服了这一技术挑战。

市场和情绪影响的谬误

情绪影响谬误描述了一种糟糕或不合理的情况，例如在新兴金融市场比特币分析工具，投资者认为情绪得分与金融资产价格变动之间存在直接相关性。 为了说明行为经济学的这种动态，假设您正在使用分析工具来分析 Twitter 上最近关于比特币的情绪。 从心理上讲，大多数投资者倾向于将市场情绪解读为领先指标：

· 如果市场情绪积极，则意味着后市看涨

· 如果市场情绪消极，则意味着后市看跌

但是，当您的模型用于分析公开可用的重要信息时，以下非直观的情绪分析应作为滞后指标：

· 如果市场情绪乐观，但市场价格不上涨，则意味着熊市即将来临

· 如果市场情绪悲观，但市场价格不跌，则意味着牛市即将到来

当意识到情绪-价格关系的不一致时，这允许情绪分析不作为市场领先指标进行分析，而是作为交易策略中的相关因素进行分析。

从情绪分析到市场影响分析

从信息角度看，加密资产市场复杂且充满不确定性。 就情感分析而言，因素的混合是当前分析模型的噩梦。 我们或许应该开发一种更全面的分析方法，而不是仅仅关注市场情绪分析。 长期来看，情绪和市场的影响指标综合了极性（负面、正面、中性）分析、情绪（不安、兴奋、悲伤等）分析和基于情绪方面（主题、主题等）的分析。） 的。 该方法要求训练模型精通加密资产的动态变化，从而分析特定市场环境下的市场情绪。

情绪-市场影响模型是一个概念上非特殊的想法：量化特定市场条件下情绪、情绪和主题组合对加密资产的影响。 这种方法的部分优点在于它不像大多数当前的情绪分析模型那样是无监督的； 可以使用加密货币市场的特定领域知识对其进行培训。 例如，我们可以训练模型以了解有关中国对加密资产市场投资的乐观报告可能会对上周相对看跌的市场产生积极影响。 情绪与市场影响分析模型的核心原理是将情绪分析模型对特定加密市场的分析置于特定语境中。

情绪分析可能会继续成为加密资产市场领域的热门话题。 然而，为了有效，这些模型需要加深机器学习的严谨性并增加基于特定动态加密资产市场的知识库。 随着市场的发展，我们可能会看到情绪分析技术从简单的线性分析转变为通过对加密资产市场领域特定主题的有效量化来对市场进行综合分析。

耶稣罗德里格斯（Jesus Rodriguez）是区块链智能基础设施平台IntoTheBlock的首席技术官和联合创始人，也是Invector Labs的首席科学家。 同时，他是加密货币和人工智能领域的活跃投资者、演讲者和作家。