introduction
Le sentiment est au cœur de nombreux aspects des investisseurs en crypto-monnaie et il est donc souhaitable de comprendre au mieux son effet prix. Une tentative pour améliorer notre compréhension du sentiment est l’étude informatique des opinions des investisseurs appelée dans le grand domaine de l’analyse des sentiments (SA) [1].
Dans cette étude, l’indicateur de sentiment de tendance à la hausse (USI) sera donc présenté et discuté de sa relation avec les conditions d’action des prix.
Traitement des données de l’indicateur de sentiment de tendance haussière
L’enquête actuelle impliquait le suivi et l’analyse des informations de Google Trends à l’aide de la plate-forme de statistiques R [2] avec le package gtrendsR [3]. Les fréquences de mots à la hausse (« Pompe Bitcoin », « Bitcoin taureau ») ont été sélectionnées et soustraites des fréquences de mots à la baisse (« Bitcoin dump », « Bitcoin ours »). Les prix des données ont été recrutés à partir de Quandl [4], 2021. Le référentiel de scripts est stocké sur Github [5].
L’équation de l’indicateur de sentiment de tendance à la hausse (USI) du modèle de sentiment est illustrée dans l’équation (1) :
Où le signal USI est la variable dépendante et F est la fréquence des mots.
Ensuite, l’écart type de l’USI a été utilisé pour normaliser l’USI, comme on peut l’observer dans l’équation (2) :
Enfin, un filtre Savitzky-Golay a été appliqué pour lisser les données USI [6]. Le lissage des données est obtenu par une régression polynomiale locale, étant l’un des filtres de lissage les plus populaires et de loin supérieur aux moyennes mobiles couramment utilisées dans le monde de la cryptographie.
Indicateur de sentiment de tendance haussière
L’objectif de l’USI est d’exprimer le sentiment de l’investisseur en rapprochant ce sentiment des requêtes Google Trends. En utilisant Eqn (2), l’USI a été tracé pour les 12 derniers mois (Figure 1).
La figure 2 montre l’USI pour les sept derniers jours. Même si l’action des prix dans la base est affectée par le marché mondial, l’analyse en chaîne et autres, il est possible de remarquer que l’USI présente un comportement lié au prix et cela ouvre la possibilité de modéliser ce comportement.
Comme on peut le constater, le graphique représentatif de la figure 1 a donné un sentiment de tendance haussière à long terme, mais la figure 2 montre un sentiment de tendance baissière à court terme.
Conclusion
L’indicateur développé dans ce travail est polyvalent, rapide, simple et peu coûteux. Les informations sur le sentiment ont permis d’obtenir un excellent outil d’action sur les prix. Appliquée aux prix du Bitcoin cette année, une relation intéressante s’est confirmée.
Si vous aimez ce contenu, tenez compte du conseil :
BTC : bc1qljlmuwq9gyvn7uhvwwypsj4x8hcetuzhw9quh0
BNB : bnb159am7huy53mg7sygnklrtxkahkdk2qxzmnk0gw
Remerciements
L’auteur remercie Satoshi Nakamoto, Hal Finney, Nick Szabo, Changpeng Zhao, Sabrina Moraes et André Fauth.
Les références
1. Walaa Medhat, Ahmed Hassan, Hoda Korashy, Algorithmes et applications d’analyse des sentiments : une enquête, Ain Shams Engineering Journal, 5 (4), 2014, https://doi.org/10.1016/j.asej.2014.04.011.
2. Équipe de base R (2021). R : Un langage et un environnement pour le calcul statistique. Fondation R pour l’informatique statistique, Vienne, Autriche, https://www.R-project.org/
3. Philippe Massicotte et Dirk Eddelbuettel (2021). gtrendsR : effectuer et afficher des requêtes Google Trends. Package R version 1.5.0. https://CRAN.R-project.org/package=gtrendsR
4. Raymond McTaggart, Gergely Daroczi et Clement Leung (2021). Quandl : encapsuleur d’API pour Quandl.com. Package R version 2.11.0. https://CRAN.R-project.org/package=Quandl
5. https://github.com/edgarmoraesufrn
6. développeurs de signaux (2013). signal : Traitement du signal. http://r-forge.r-project.org/projects/signal/
Rejoignez Coinmonks Telegram Channel et Youtube Channel pour en savoir plus sur le trading et l’investissement crypto
