Прогнозування економічних рядів на основі аналізу настроїв користувачів Інтернет

Анотація

У роботі запропоновано комплекс моделей прогнозування економічних часових рядів з урахуванням об’єктивного та суб’єктивного контенту мережі Інтернет. Для аналізу обрана система Bitcoin (BTC) – перша і найбільш популярна на сьогодні криптовалюта. Експоненціальне зростання ринку криптовалют в останні роки обумовлює актуальність прогнозування курсу ВТС. Теоретичну основу дослідження склали положення концепції поведінкових фінансів, в рамках якої передбачається, що поведінка трейдерів ірраціональна, а характер їхніх рішень в істотній мірі залежить від психологічних факторів. Метою дослідження є розробка методології та комплексу моделей прогнозування валютного курсу на основі аналізу фактуального (об'єктивного) та концептуального (суб'єктивного) контенту інтернет. Джерелом фактуальної інформації обрано тематичні статті спеціалізованих новинних порталів, джерелом концептуальної – записи користувачів у мікроблогах. Основу модельного комплексу склали: 1) скрипти парсінгу новинних порталів та мікроблогів; 2) алгоритм формування фактуальних та концептуальних екзогенних змінних на основі латентно-семантичного аналізу, аналізу тональності текстів, оцінки казуальності за Гренджером; 3) математичним інструментарієм прогнозування обрано нейронні мережі прямого розповсюдження сигналу, а також рекурентні мережі з тривалою та короткостроковою пам’яттю (LSTM), множина входів яких формувалася з використанням генетичних алгоритмів. В результаті обробки бази даних новинних стрічок та твітів було сформовано множину екзогенних факторів, до якої увійшли чотири з чотирнадцяти фактуальних змінних – infrastructure, activity, dissemination і expect, а також дві з восьми концептуальних – calm і confusion. Автоматизація пошуку оптимальної архітектури нейронних мереж виконувалася з використанням генетичних алгоритмів: довжина хромосоми дорівнювала числу змінних; особини піддавалися схрещуванню, мутації та відбору на основі якості передбачення моделі. Порівняльний аналіз різних архітектур нейронних мереж дозволив обґрунтувати доцільність використання інтернет-контенту для прогнозування економічних рядів та продемонстрував високу адекватність побудованих моделей.