Impacto do Twitter nos Preços do Bitcoin Revelado
Esse artigo analisa como os tweets influenciam os movimentos de preço do Bitcoin.
Ashutosh Hathidara, Gaurav Atavale, Suyash Chaudhary
― 6 min ler
Índice
- A Conexão com as Redes Sociais
- Visão Geral do Dataset
- Pré-processamento e Análise dos Dados
- Análise de Sentimento: O Clima dos Tweets
- Agrupando os Twitteros
- Prevendo os Preços do Bitcoin
- Classificando Movimentos de Preço
- Principais Descobertas da Análise
- Conclusão: O Futuro da Previsão
- Fonte original
- Ligações de referência
O Bitcoin virou um assunto quente no mundo dos investimentos na última década. Muita gente tá falando sobre isso nas redes sociais, resultando em uma explosão de tweets sobre tudo, desde tendências de mercado até apoio de celebridades. Esse artigo explora a relação fascinante entre esses tweets e os preços do Bitcoin, tentando prever os movimentos futuros de preços com base nas conversas do Twitter. Então, se prepara pra uma montanha-russa movida a Twitter no mundo do Bitcoin!
A Conexão com as Redes Sociais
As plataformas de redes sociais, especialmente o Twitter, viraram pontos de encontro pra discutir criptomoedas. Quando uma pessoa famosa manda um tweet sobre Bitcoin, o preço pode mudar drasticamente. Tuitar pode criar um furacão, fazendo os preços subirem ou despencarem. Surpreendentemente, os sentimentos expressos nesses tweets parecem ter um impacto maior nos preços do Bitcoin do que as condições tradicionais de mercado. Nesse estudo, analisamos esses tweets pra ver se tem como aproveitar essa conversa e potencialmente prever o futuro do Bitcoin.
Visão Geral do Dataset
Pra entender essa dinâmica, juntamos um dataset de tweets relacionados ao Bitcoin do Kaggle. Esse dataset contém impressionantes 16 milhões de tweets feitos globalmente, de janeiro de 2016 a março de 2019. A maioria dos tweets no dataset é em inglês, o que facilita nossa análise. Cada tweet vem com detalhes extras, como nome de usuário, data e hora, e métricas de engajamento como likes e retweets. Decidimos focar nesse período pra manter nossa análise relevante e gerenciável.
Pré-processamento e Análise dos Dados
Antes de mergulhar na parte divertida, tivemos que preparar nosso dataset. Pense nesse passo como arrumar o quarto antes de fazer uma festa. Aplicamos detecção de idioma e filtramos pra ficar só com os tweets em inglês. Uma vez que tivemos um dataset limpo, agregamos características como respostas, likes e retweets diariamente. A gente ainda deu uma olhada no volume de tweets diários pra ver se as pessoas tinham dias específicos em que eram mais propensas a tweetar sobre Bitcoin.
Análise de Sentimento: O Clima dos Tweets
Agora vamos à parte interessante-o que as pessoas tão realmente dizendo sobre o Bitcoin? Pra descobrir, fizemos uma análise de sentimento. Limpamos os tweets pra tirar qualquer bagunça como links, menções ou emojis (embora emojis deem uma graça!). Usando várias bibliotecas, rotulamos os tweets como positivos, negativos ou neutros.
Surpreendentemente, os resultados mostraram que a maioria dos tweets eram neutros. Cerca de 90% deles não tendiam pra felicidade ou negatividade, mas eram mais informativos. Apenas 7% dos tweets expressaram sentimentos positivos, enquanto só 3% expressaram sentimentos negativos. Então, parece que a maioria das pessoas tá só tentando compartilhar informações, em vez de inflamar a discussão sobre Bitcoin-quem diria?
Agrupando os Twitteros
Depois, decidimos agrupar os twitteiros com base no comportamento deles. Procuramos padrões em likes, retweets e outras métricas de engajamento. Esse passo é meio que tentar categorizar seus amigos em "animais de festa" e "caseiros." Usamos diferentes técnicas de Agrupamento, incluindo K-means, Hierarchical e DBSCAN.
O método K-means foi moleza, identificando facilmente três grupos de usuários. Porém, os outros dois métodos tiveram um pouco de dificuldade, mostrando só um grupo. Isso pode ter rolado porque eles não conseguiram lidar com todos os dados que tínhamos. Então, não temos uma resposta sólida sobre que tipos de usuários existem por aí, mas temos algumas ideias!
Prevendo os Preços do Bitcoin
Depois de fazer nossa lição de casa, estávamos prontos pra prever os preços do Bitcoin! Usamos vários modelos de Regressão pra antecipar o preço do dia seguinte com base na atividade dos tweets dos dias anteriores. Pense nisso como tentar prever se seu restaurante favorito vai estar lotado. Treinamos vários modelos como Regressão Linear, Regressão Ridge e Árvores de Decisão pra ver qual funcionava melhor.
Como se viu, os modelos mais simples-como a Regressão Linear e Ridge-mandaram bem em prever os preços. Os modelos baseados em árvore foram um pouco decepcionantes, especialmente nos testes. É como se eles tivessem toda a empolgação na sessão de treino, mas não conseguissem se sair bem no grande dia!
Classificando Movimentos de Preço
Mas não paramos por aí! Também tentamos classificar se os preços do Bitcoin iriam subir ou descer. Isso envolveu usar algoritmos de classificação como KNN, Regressão Logística e Random Forest. A ideia é ver se conseguimos prever a direção do movimento de preço-pense nisso como uma previsão do tempo, mas para criptomoedas.
O classificador Random Forest se destacou como o mais forte, alcançando uma taxa de precisão de 62%. Embora isso não nos transforme em videntes do Bitcoin, mostra alguma promessa pra fazer palpites informados.
Principais Descobertas da Análise
-
Volume Diário de Tweets: O volume de tweets sobre Bitcoin cresceu bastante de 2016 a 2019.
-
Tendências de Sentimento: A maioria dos tweets se manteve neutra, indicando que muitos estão só compartilhando informações, em vez de expressar sentimentos fortes.
-
Agrupamento: Encontramos três possíveis categorias de usuários com base em seus tweets, mas os resultados foram inconsistentes entre os diferentes métodos de agrupamento.
-
Resultados de Regressão: Modelos de regressão simples se saíram melhor na previsão dos preços do Bitcoin do que modelos mais complexos baseados em árvore.
-
Resultados de Classificação: Classificadores Random Forest foram os mais eficazes em prever a direção do movimento de preços do Bitcoin.
Conclusão: O Futuro da Previsão
Embora prever os preços do Bitcoin usando tweets seja desafiador, nosso estudo mostra que existe uma conexão entre a atividade dos tweets e as mudanças de preços do Bitcoin. Se formos sinceros, o mercado é um pouco como um jogo de cadeira musical-um momento você tá em alta, e no próximo, alguém tuita sobre uma nova regulamentação e de repente você tá fora!
Pesquisas futuras poderiam melhorar as previsões juntando mais dados e explorando novas características. Talvez incorporar informações de contas verificadas ou até mesmo tendências do Google pudesse ajudar a refinar nossas previsões.
No final, esse estudo pode não te dar a fórmula secreta pra se tornar um milionário do Bitcoin, mas com certeza ilumina como as redes sociais podem influenciar o comportamento do mercado. Então da próxima vez que alguém tweetar sobre Bitcoin, fique de olho nesses preços-você nunca sabe o que pode acontecer a seguir!
Título: Mining Tweets to Predict Future Bitcoin Price
Resumo: Bitcoin has increased investment interests in people during the last decade. We have seen an increase in the number of posts on social media platforms about cryptocurrency, especially Bitcoin. This project focuses on analyzing user tweet data in combination with Bitcoin price data to see the relevance between price fluctuations and the conversation between millions of people on Twitter. This study also exploits this relationship between user tweets and bitcoin prices to predict the future bitcoin price. We are utilizing novel techniques and methods to analyze the data and make price predictions.
Autores: Ashutosh Hathidara, Gaurav Atavale, Suyash Chaudhary
Última atualização: Dec 2, 2024
Idioma: English
Fonte URL: https://arxiv.org/abs/2412.02148
Fonte PDF: https://arxiv.org/pdf/2412.02148
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.