神话与现实：加密资产的情绪分析

Jesus Rodriguez是IntoTheBlock的CTO和联合创始人，(IntoTheBlock是一个致力于为加密市场提供智能基础设施的平台)，同时还是AI公司Invector Labs的首席科学家以及加密和人工智能领域的活跃投资者，演讲者和作家。 本文最初发表在CoinDesk的Institutional Crypto新闻中。

加密货币市场的公认信念之一是其对新闻和社交媒体的敏感性。像其他任何新兴但仍不合理的金融市场一样，新闻或社交媒体中捕获的意外消息往往会影响价格。结果，人们对利用诸如情感分析之类的机器学习技术来检测与加密货币价格可能的相关性的兴趣日益浓厚。尽管它很重要，但大多数利用情感分析的尝试都太基础了，无法输出任何有形的情报，并且常常会产生误导性的结果。

有效利用情感分析来评估资产行为并非加密领域独有。基于文本情感产生真正的见解是一项非常困难的任务，在大多数情况下，需要针对特定金融领域进行优化的自然语言处理（NLP）模型。大型定量对冲基金使用大量机器学习专家来训练NLP模型，完成一项非常具体的任务，例如分析收益报告，以便在中频交易中占优势。有效地利用情绪分析进行加密资产需要机器学习的深度和严格性。

为了理解该陈述，让我们从深入分析情绪分析方法的特征开始。

情绪分析入门

在第二幕中，著名戏曲《黎塞留》的场景二；或者说阴谋论，英国剧作家爱德华·布洛尔-利顿（Edward Bulwer-Lytton）创造了一个超越了几代人的短语：“笔比剑强大。”几个世纪之后，这句名言巧妙地概括了情感分析的重要性。文本交流中的情绪有时比身体行为本身更有利于行为。

从概念上讲，情感分析是NLP的子学科，其重点是确定文本交流的情感状态。与流行的看法相反，情感分析不是一种技术，而是深度学习空间的一个子学科，它涵盖了文本数据中不同类型的情感检测。从这个角度来看，有几种类型的情感分析可能与加密资产情报相关：

· 极性分析：这种情感分析将文本情感按积极，消极和中立的顺序排列。例如，大多数模型将“比特币价格上涨使市场重新焕发活力”的句子归为正面。

· 情绪/语气分析：这种类型的分析不是对文本进行整体限定，而是对特定文本中存在的不同类型的情绪进行评分。诸如悲伤，幸福或愤怒之类的情绪是情绪分析算法的共同重点。例如，“这个比特币的集会是疯狂的” 这句话将显示出很高的兴奋和喜悦。

· 方面情感分析：这种情感分析的重点是解释句子中特定主题的情感，而不是整个句子。例如，在句子“ Bakkt期货是比特币市场的一个重要里程碑 ”中，方面分析将确定与“ Bakkt期货”有关的情绪，而不是完整的句子。

查看上一个列表，我们可以清楚地看到对加密资产进行情绪分析的好处。但是，在尝试使用这些类型的技术之前，还应考虑许多挑战。情境化、主观性、讽刺甚至不良的语法都是可以轻易诱骗最佳NLP算法的因素。

加密资产的情绪分析

加密是一种新兴的资产类别，仍然容易受到金融市场的不理性和缺乏适当披露渠道的影响。从该角度来看，假设诸如情感分析之类的NLP技术可以识别alpha或智能beta生成器因子以预测加密资产的行为，这是合乎逻辑的。现实有点不同。

将情绪分析应用于加密资产时，我们可能会遇到两种主要类型的挑战：

00001. 主流NLP技术在应用于特定领域的问题（如加密资产分析）时的局限性。

00002. 关于在新闻和社交媒体中如何体现情感的错误假设。

几乎可以将第一个挑战视为NLP技术快速增长的意外副作用。如今，对于开发人员而言，使用不需要任何深度学习专业知识的简单API将情感分析合并到应用程序中相对容易。

尽管NLP API可以有效地分析通用句子的情感，但在尝试推断特定句子的特定领域知识时，它们的性能非常差。例如，分析句子“可能即将获得比特币ETF批准”需要NLP模型，这些模型专门研究特定于市场的术语的语义，并且能够从一个句子中更精细地推断出情绪。

第二个挑战与对在新闻和社交媒体评论中如何反映情感的误解有关。作为情报的来源，新闻可以提供大量信息，但在情感分析方面却毫无用处。原因很明显：写得很好的新闻情绪应该趋于中性。社交媒体的行为恰恰相反。Twitter或Telegram中有关加密货币的对话往往包含相关的观点，但是在大多数情况下，对话是基于对公共材料信息的反应，这意味着它们不太可能产生任何信息优势。此外，社交媒体线程往往比较嘈杂且相对主观，这可能会产生误导性的情绪分析结果。

从纯粹的技术角度来看，为加密资产建立有效的情绪分析模型需要经过加密市场术语培训的模型，但也需要将新闻作为信息源进行分析，并将社交媒体提要作为情绪放大的基础。但是，如果我们克服了这一技术挑战，那么在加密空间中的情感分析模型方面，我们现在将面临最大的心理误解之一。

情绪市场影响谬误

情绪市场影响谬误描述了一种臭名昭著或不合理的现象，例如新生的金融市场，在该市场中，投资者认为情绪得分与价格走势之间存在直接的相关性。为了解释这种行为经济学动态，让我们假设您正在使用一种分析工具来分析最近的比特币推文的情绪。从心理上讲，大多数投资者倾向于根据以下规则将市场情绪解释为领先指标：

· 如果市场情绪乐观，那将是比特币价格的看涨指标。

· 如果市场情绪低落，则表明比特币价格看跌。

但是，如果您的模型正在分析公共的重大信息，则应将情感解释为遵循一些非直观规则的落后指标：

· 如果市场情绪乐观并且比特币的价格没有上涨，那是一个看跌信号。

· 如果情绪是负面的，并且比特币的价格没有下跌，那是一个看涨信号。

注意情绪价格偏向位置情绪分析不是作为领先指标，而是作为交易策略中经常相关的因素。

从情绪分析到市场影响分析

从信息的角度来看，加密货币市场是嘈杂的，充满了意料之外的事件。就情感分析而言，各种因素的组合是一场噩梦。与其将注意力集中在情感分析上，不如我们应该开发一种更全面的方法。情感市场影响指标将是长期的极性（负面，正面，中立），情感（焦虑，兴奋，悲伤……）和基于方面（主题，实体……）分析的组合。这种方法将需要训练专门用于加密资产动态的模型，以在特定市场条件下评估市场情绪。

情感市场影响模型的概念在概念上是微不足道的：量化在特定市场条件下，情感，情绪和主题组合可能对加密资产产生的影响。这种方法的部分优点在于，它不必像当今的大多数情感模型一样完全不受监督。可以接受有关加密市场领域特定知识的培训。例如，我们可以训练一个模型，以了解有关中国对加密货币投资的正面文章可以对上周相对看跌的市场产生积极影响。情感市场影响分析模型的核心原理是将情感模型的知识与加密市场的具体情况进行关联。

情绪分析可能会继续在加密市场上引起头条新闻。然而，为了有效，这些模型需要更严格的机器学习严格性以及基于加密市场特定动态的知识构建。随着市场的发展，我们很可能会看到从简单的情绪分析技术到更全面的市场影响模型的转变，该模型可以量化特定主题在加密市场行为中的相关性。