研究人员开发了一种新颖的方法，通过整合链上数据、历史价格和社交媒体情绪来分析比特币的市场情绪。该研究侧重于解释情绪而非预测价格，将这些不同的数据源合并到一个标准化的数据集中。通过交叉验证，梯度提升模型 (XGBoost) 被证明是最有效的，达到了约 0.84 的 F1 分数。SHAP 可解释性方法被用来阐明链上特征对模型预测的贡献，从而提高透明度。 AI
影响 为分析加密货币市场情绪提供了一种新的数据驱动方法，有可能改进交易策略和风险评估。
排序理由 该集群包含一篇详细介绍新型机器学习模型和方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.15258v1 Announce Type: new Abstract: The growing use of Bitcoin as a decentralized digital asset and investment tool has sparked strong interest in understanding its market behavior. This study presents a new approach to analyze Bitcoin market sentiment by combining on…
The growing use of Bitcoin as a decentralized digital asset and investment tool has sparked strong interest in understanding its market behavior. This study presents a new approach to analyze Bitcoin market sentiment by combining on-chain and financial data with social media post…