Universitätsbibliothek Wien

Exploiting short-text topic modelling in application of cryptocurrency price prediction

Tretzmüller, Markus (2019) Exploiting short-text topic modelling in application of cryptocurrency price prediction.
Masterarbeit, University of Vienna. Fakultät für Informatik
BetreuerIn: Gansterer, Wilfried

[img] PDF-File
Alle Rechte vorbehalten / All rights reserved

Download (1930Kb)
DOI: 10.25365/thesis.60117
URN: urn:nbn:at:at-ubw:1-25103.15203.910672-6

Link zu u:search

Abstract in English

As the trend in financial industries to include alternative data into investment decision making continues, social sentiment analysis has become an active field of research. The challenge is to quantify public announcements which have significant impact on financial assets in order to predict price changes. In this study a generic technique, that combines sentiment analysis with short-text topic modelling called Sentiment Biterm Topic Model (sBTM) is proposed. sBTM expands mood time series with topic dimensions. It performs sentiment analysis on latent topic portions, extracted by the Biterm Topic Model, which is specifically designed to classify short-texts such as tweets. A long-ranging collection of tweets is leveraged to investigate if Twitter activities influence cryptocurrency price formation. Multiple baseline forecasts are explored and finally it is tested whether topic-specific analysis can enhance prediction accuracy. It is shown that the topic based approach is more effective than its non-topic counterpart.

Schlagwörter in Englisch

Topic Modelling / Topic Modeling / Sentiment Analysis / NLP / BTM

Abstract in German

Während sich der Trend um alternative Daten in der Finanzindustrie fortsetzt, wurde die Messung öffentlicher Meinungen zu einem populären Forschungsgebiet. Die Herausforderung besteht darin, Meinungen, die signifikanten Einfluss auf die Preisentwicklung von Finanzwerten haben, zu quantifizieren. In dieser Arbeit wird eine generische Technik namens Sentiment Biterm Topic Model (sBTM) vorgestellt, die Sentiment-Analyse mit Kurztext-Themen-Modellierung vereint. sBTM erweitert Meinungen um eine Themen-Dimension. Dabei wird eine Sentiment-Analyse an der Wahrscheinlichkeitsverteilung der Themen vorgenommen. Diese Wahrscheinlichkeitsverteilung wird mit dem Biterm Topic Model, welches speziell für Kurztexte konzipiert ist, extrahiert. Ein Datensatz über eine Zeitspanne von 1.264 Tagen wird verwendet um herauszufinden ob Twitteraktivitäten Kryptowährungen beinflussen. Es werden mehrere Benchmark-Modelle erstellt um zu testen ob anhand Themen-spezifischer Analyse Kryptowährungen besser vorausgesagt werden können. Es wird bestätigt, dass der Themen-spezifische Ansatz besser funktioniert als das herkömmliche Pendant.

Schlagwörter in Deutsch

Themen-Modellierung / Sentiment-Analyse / NLP / BTM

Item Type: Hochschulschrift (Masterarbeit)
Author: Tretzmüller, Markus
Title: Exploiting short-text topic modelling in application of cryptocurrency price prediction
Umfangsangabe: 60 Seiten
Institution: University of Vienna
Faculty: Fakultät für Informatik
Studiumsbezeichnung bzw.
Universitätslehrgang (ULG):
Masterstudium Medieninformatik
Publication year: 2019
Language: eng ... Englisch
Supervisor: Gansterer, Wilfried
Assessor: Gansterer, Wilfried
Classification: 54 Informatik > 54.82 Textverarbeitung
54 Informatik > 54.72 Künstliche Intelligenz
AC Number: AC15727542
Item ID: 60117
(Das PDF-Layout ist ident mit der Druckausgabe der Hochschulschrift.)

Urheberrechtshinweis: Für Dokumente, die in elektronischer Form über Datennetze angeboten werden, gilt uneingeschränkt das österreichische Urheberrechtsgesetz; insbesondere sind gemäß § 42 UrhG Kopien und Vervielfältigungen nur zum eigenen und privaten Gebrauch gestattet. Details siehe Gesetzestext.

Edit item (Administrators only) Edit item (Administrators only)