Forecasting Cryptocurrency Prices Using Deep Learning: Integrating Financial, Blockchain, and Text Data

本文探讨了机器学习（ML）和自然语言处理（NLP）技术在加密货币价格预测中的应用，特别是比特币（BTC）和以太坊（ETH）。我们主要关注新闻和社交媒体数据，主要来自Twitter和Reddit，使用先进的深度学习NLP方法分析公众情绪对加密货币估值的影响。除了传统的价格回归，我们将加密货币价格预测视为分类问题。这包括价格走势（上涨或下跌）的预测和局部极值的识别。我们比较了各种ML模型的性能，包括有和没有NLP数据集成的模型。我们的研究发现，将NLP数据纳入模型显著提高了预测性能。我们发现，预训练模型，如Twitter-RoBERTa和BART MNLI，在捕捉市场情绪方面非常有效，并且微调大型语言模型（LLMs）也可以产生实质性的预测改进。值得注意的是，BART MNLI零-shot分类模型在从文本数据中提取看涨和看跌信号方面表现出了相当的熟练度。我们所有的模型在不同的验证场景下都能够持续产生利润，并且没有观察到利润下降或NLP数据影响逐渐减弱的情况。本研究强调了文本分析在提高金融预测中的潜力，并展示了各种NLP技术在捕捉微妙的市场情绪方面的有效性。

本论文旨在探究机器学习（ML）和自然语言处理（NLP）技术在加密货币价格预测中的应用，特别是比特币（BTC）和以太坊（ETH）。研究分析了来自Twitter和Reddit等社交媒体平台的新闻和社交媒体数据，重点研究了公众情绪对加密货币估值的影响。

本文将加密货币价格预测视为分类问题，并比较了各种ML模型的性能，包括是否集成NLP数据。发现将NLP数据集成到模型中显著提高了预测性能，预训练模型和大型语言模型的微调也可以产生显著的预测改进。

论文中使用了Twitter-RoBERTa和BART MNLI等预训练模型，这些模型在捕捉市场情绪方面非常有效。BART MNLI的零-shot分类模型在从文本数据中提取看涨和看跌信号方面表现出了相当的熟练程度。所有模型在不同的验证场景下一致产生利润，而且随着时间的推移，利润没有下降或NLP数据的影响减少。实验设计合理，数据集包括Twitter和Reddit等社交媒体平台数据，代码已开源。

最近的相关研究包括：1）使用深度学习方法预测加密货币价格的研究；2）探索情感分析在加密货币市场中的应用；3）使用NLP技术分析社交媒体数据对股票市场的影响。