utworzone przez Grzegorz Stefański | lip 23, 2024 | Polityka i społeczeństwo
Świat od dwóch dni żyje informacją o rezygnacji Joe Bidena z kandydowania w wyborach prezydenckich w USA. Oświadczenie to Joe Biden zamieścił 21.07.2024 r. na platformie X i wywołał tym niezliczoną ilość komentarzy.
Oświadczenie pełne emocji
Naszym zamiarem nie jest wnikanie w pobudki tej decyzji, czy też jakie skutki wywoła ona na gruncie politycznym. Chcieliśmy zobaczyć jakie emocje Prezydent Joe Biden zawarł w swoim oświadczeniu i jakie emocje towarzyszyć mogą statystycznemu obywatelowi USA czytającemu to oświadczenie.
Źródło: https://x.com/JoeBiden/status/1815080881981190320
Na początku zmierzyliśmy poziom pobudzenia i sentymentu
Analizując treść oświadczenia Prezydenta Joe Bidena widać, że było przesycone pozytywnym sentymentem i wysokim stopniem pobudzenia. Poziom pobudzenia wskazywać może na wysokie zaangażowanie osobiste w Prezydenta w treści przekazywane w oświadczeniu. Podkreślić należy jeszcze jeden fakt. Decyzja o rezygnacji z kandydowanie siłą rzeczy winna wywoływać u Joe Bidena emocje tworzące sentyment negatywny, ale tego nie widać w analizie sentymentu. Treść oświadczenia przepełniona jest sentymentem pozytywnym i tak prawdopodobnie odczytywana jest przez statystycznego odbiorcę.
Jakie emocje były dominujące
Na obraz sentymentu wpływają pojedyncze emocje a ich natężenie buduje jego poziom . Analizując oświadczenie jako całość wybijają się po stronie emocji uznawanych za pozytywne emocje zaufania i radości. W tym ostatnim przypadku należy rozumieć radość jako odczucie satysfakcji. Natomiast wśród emocji negatywnych najwyższe natężenie odnotowano dla smutku i strachu (odczytywanego w tym przypadku jako obawa).
Jak widać tylko w dwóch akapitach oświadczenia natężenia emocji smutku i strachu (obawy) są porównywalne lub nieco wyższe niż emocji pozytywnych. W akapicie czwartym kiedy to Prezydent wspomina czas kryzysu wywołanego przez pandemię – tu wybija się strach (obawa). Natomiast w akapicie piątym kiedy pisze o rezygnacji z ubiegania się o reelekcję wybija się smutek. W pozostałych akapitach emocje pozytywne zdecydowanie przeważają nad negatywnymi. Taki stan rzeczy powoduje, że całe oświadczenie może wywoływać pozytywny sentyment u odbiorców. W tym miejscu zaznaczamy, że mówiąc o odbiorach mamy na myśli odbiorcę statystycznego (bez wnikania w jego preferencje polityczne).
utworzone przez Grzegorz Stefański | wrz 2, 2023 | Okiem badacza
Ostatnimi czasy wielkim zainteresowaniem cieszy się tzw. generatywna sztuczna inteligencja (GenAI). Jest zdolna do generowania nowych danych, obrazów, tekstu lub innych treści na podstawie wzorców lub danych wejściowych, cytując ChataGPT. Albo inaczej, może tworzyć nowe dane, takie jak tekst, obrazy, filmy i muzykę. Opiera się na algorytmach uczenia maszynowego, które pozwalają jej analizować istniejące dane, a następnie generować nowe dane, które są podobne do danych oryginalnych, podążając za definicją Google Bard.
Te modele językowe traktowane są często przez użytkowników jak „wyrocznia znająca odpowiedzi na wszystkie pytania”. Twórcy tych rozwiązań pozwalają swoim narzędziom na opisywanie i recenzowanie nieomal wszystkich sfer naszego życia, w tym także emocji, jakie nam towarzyszą a użytkownicy z tego skrzętnie korzystają.
Czy jednak te opisy, odpowiedzi na pytania i recenzje są w pełni wiarygodne? I nie – uprzedając pytania – nie poruszamy w naszym badaniu wątku tzw. halucynacji AI… chociaż w swoich kłamstewkach potrafi być urocza, trzeba przyznać ;).
Pod koniec artykułu, dla wytrwałych, dzielimy się z Wami możliwymi negatywnymi konsekwencjami tego zjawiska.
Badanie sprawności działania generatywnej AI
Zespół naukowców wydziału inżynierii lingwistycznej Politechniki Wrocławskiej, w skład którego weszli też uczeni pracujący nad naszym rozwiązaniem „Sentimenti – analizator emocji w tekście” poddali badaniu porównawczemu ChatGPT i inne dostępne modele językowe (w tym także systemy do analizy sentymentu).
Jak wykazały badania wrocławskiego zespołu, GenAI najgorzej radziła sobie z zadaniami pragmatycznymi, wymagającymi wiedzy o świecie oraz właśnie z oceną emocji.
Nasze testy w Sentimenti
Pomiar sentymentu, emocji i pobudzenia emocjonalnego to kwintesencja Sentimenti. Dlatego też pokusiliśmy się o prosty test sprawdzający.
Cztery losowo wybrane teksty poddaliśmy analizie za pomocą „analizatora Sentimenti”; ChatGPT 4; ChatGPT 3.5 oraz GOOGLE BARD pod kątem zawartości emocji, jakimi emanują. Jako jednostkę miary jakości działania wskazanych programów przyjęto:
- MSE (mean squared error) – błąd średniokwadratowy jako współczynnik oceny błędu (który jest im mniejszy, tym korzystniejszy dla testowanego oprogramowania) oraz
- R² – współczynnik jakości dopasowania modelu (im jego wartość jest większa, tym lepsze jest dopasowane testowanego oprogramowania).
Punktem odniesienia dla sprawdzenia jakości działania wybranych programów były wyniki oceny emotywnej wybranych do analizy tekstów przeprowadzone na respondentach (ludziach) biorących udział w trakcie prac nad stworzeniem naszego analizatora emocji. Jako że wartości emocji prezentowane przez programy ChatGPT 4, ChatGPT 3.5 oraz Google Bard pokazywane są w dwóch miejscach po przecinku, dokonaliśmy analogicznych zaokrągleń w „analizatorze Sentimenti” i w rezultatach badania przeprowadzonego na respondentach.
Losowo wybrane teksty, poddane analizie GenAI
Tekst 1
Jako że wiele razy nocowałem w tym hotelu, moja recenzja niewiele się zmieni. Pod dosyć brzydką i zaniedbaną bryłą hotelu, kryje się ładnie wyremontowane wnętrze i sympatyczny personel. Pokoje są czyste, jasne i dosyć obszerne. śniadania wyśmienite. Niestety menu restauracji, jak we wszystkich Novotelach, jest fatalne, a potrawy skromne, niesmaczne i bardzo drogie. Na szczęście w Krakowie jest wiele miejsc, gdzie można dobrze zjeść. Zdecydowanie nie polecam restauracji, ale hotel jak najbardziej. Warto by pomyśleć o odnowie bryły hotelu, gdyż jest z innej epoki. Taka sama była w moich czasach studenckich, 25 lat temu!!!!
Tekst 2
Hotel w idealnym położeniu, jeżeli chodzi o łódź, dwie minuty od Piotrowskiej w samym centrum, ale jeżeli chodzi o czystość to tragedia łazienka śmierdziała a pościel brudna, na tą klasę hotelu to nie do przyjęcia
Tekst 3
Hotel tylko na jednodniowy nocleg w sprawach służbowych i nic poza tym. Po ostatnim kilkudniowym pobycie z rodziną zadecydowaliśmy, że będzie to nasza ostatnia wizyta w tym hotelu. Jedzenie standardowe dla wszystkich Ibisów, pokoje również. Obsługa na recepcji – ruletka. Po zameldowaniu dostaliśmy chyba najmniejszy narożny pokój w całym hotelu mimo wcześniejszej telefonicznej rezerwacji konkretnych pokoi na konkretnych piętrach, ponoć ze względu na obłożenie. Dziwnym trafem kilka minut później podczas obsługi przez innego recepcjonistę nasze pokoje się znalazły”. W pokojach niezbyt czysto, housekeeping nie zwraca uwagi na stawiane rodzaje wód mimo licznych próśb. Restauracja pozostawia wiele do życzenia.”
Tekst 4
Hotel położony niedaleko centrum Wrocławia. Pokój i łazienka czyste, kosmetyki ok, może trochę łóżko za miękkie, ale nie było źle. Śniadania całkiem dobre. Parking dodatkowo płatny 25 zł. Na bardzo duży plus chciałem ocenić obsługę. W recepcji wszystko sprawnie i z uśmiechem. Natomiast podczas śniadania jedna z pań kelnerek bardzo pozytywnie mnie zaskoczyła. Bardzo szybko zorganizowała stolik dla 8 osób, od razu doniosła krzesełko do karmienia dla dziecka, pytała dzieci jak się Wrocław podoba itd. W pewnym momencie moja 7 letnia córka zapytała, czy jest ketchup na co pani z uśmiechem: pewnie, że jest, już idę ci przynieść. Parę słów i gestów a robi wrażenie.
Wyniki
Przeprowadzony prosty test potwierdził wnioski wrocławskich naukowców, że w przypadku analizy emocji, chatboty znacznie ustępują specjalistycznym programom takim jak np. „Sentimenti”.
Punktem wyjścia są wyniki na osobach (Respondenci) i do nich przyrównujemy pozostałe modele: Sentimenti, ChatGPT 4.0, ChatGPT 3.5 i Google Bard.
Jak widać w przypadku analizatora Sentimenti, wartości wskaźników MSE i R² są zdecydowanie lepsze, niż w przypadku pozostałych programów.
Wskaźnik MSE – w przypadku „analizatora Sentimenti” jego wartość mierzona jest w trzecim, a nawet w czwartym miejscu po przecinku co pokazuje zbliżanie się błędu (w działaniu analizatora) do zera. Inaczej jest w pozostałych programach, gdzie wartość tego wskaźnika mierzona jest w drugim, a nawet w pierwszym miejscu po przecinku pokazując duży obszar błędu w działaniach tych programów.
Wskaźnik R² – w przypadku „analizatora Sentimenti” wartości tego wskaźnika mieszczą się w przedziale od 0,8217 do 0,9563, gdzie przedział 0,8 – 0,9 określany jest jako dopasowanie dobre, a przedział 0,9 – 1,0 jako dopasowanie bardzo dobre.
W przypadku pozostałych programów najwyższe miary wskaźnika R² dla:
- ChatGPT 4.0 – 0,3981
- ChatGPT 3.5 – 0,3769
- GOOGLE BARD – 0,4609
oznaczają dopasowanie niezadowalające.
Halucynacje GenAI
W przypadku generatywnych modeli pojawia się jeszcze jeden problem, na który zwracają uwagę wnikliwi analitycy. Jest to tendencja do wyrzucania przez program błędnych informacji.
Jeśli to zjawisko, określane jako „halucynacje”, byłoby zjawiskiem powtarzalnym, to istnieje zagrożenie, że ChatGPT przy kolejnym zapytaniu o poziom sentymentu dla jakiegoś waloru finansowego mógłby udzielić zupełnie innej odpowiedzi niż udzieliłby jej pierwotnie. W takim przypadku strategie inwestycyjne przyjęte przez inwestorów zostałyby zasilone błędnymi danymi mogącymi wpłynąć na wyniki transakcji finansowych.
Takiego niebezpieczeństwa nie ma w przypadku „analizatora Sentimenti”. Tutaj niezależnie od ilości zapytań o poziom emocji w konkretnym (tym samym) tekście za każdym razem otrzymujemy identyczne wyniki.
GenAI vs Sentimenti na rynkach finansowych
W ramach projektu Sentistocks, wykorzystujemy pomiar natężenia emocji do predykcji przyszłych wartości wybranych instrumentów finansowych. Pomiar natężenia emocji pozwala nam określić, w jakim kierunku zmierza nastrój rynku, zwany powszechnie sentymentem inwestorskim.
Korelacja natężenia tego wskaźnika (budowanego przecież na bazie emocji, jakie odczuwają inwestorzy) z danymi finansowymi pozwala przy wykorzystaniu wyuczonych modeli predykować przyszłe wartości instrumentów finansowych. Aktualnie model analizuje nastroje na rynku kryptowalutowym (predykcja kursu Bitcoina w przedziałach czasowych 15-minutowych).
Pojawiają się także informacje o wykorzystywaniu ChatGPT do przewidywaniu zwrotów z rynku akcji przy użyciu analizy nastrojów nagłówków wiadomości.
Jak wskazują autorzy przywołanej publikacji:
…analiza pokazuje, że wyniki sentymentu ChatGPT wykazują statystycznie istotną moc predykcyjną na dzienne zwroty z rynku akcji. Wykorzystując dane z nagłówków wiadomości i wygenerowanie sentymentu, znajdujemy silną korelację pomiędzy oceną ChatGPT, a późniejszymi dziennymi zwrotami akcji w naszej próbie.
Na uwagę zasługuje zwrot w publikacji:
wyniki sentymentu ChatGPT wykazują statystycznie istotną moc predykcyjną.
Nasz krótki test dla ChatGPT (4.0 i 3.5) pokazał, że mierniki jakości (MSE i R²) dla tych programów wykorzystywanych do pomiaru emocji stanowiących o sentymencie i jego kierunku są niezadowalające. A mimo to autorzy przywołanej publikacji uzyskali pozytywne wyniki swoich badań.
Można zadać w takim razie pytanie, o ile lepsze byłyby wyniki, gdyby do pomiaru sentymentu inwestorskiego wykorzystano nasz analizator Sentimenti, gdzie zwłaszcza wskaźnik R² był dla naszego rozwiązania ponad dwukrotnie wyższy niż zanotowaliśmy to dla ChatGPT?
Podsumowanie
Starając się być obiektywnym w naszym uproszczonym porównaniu, niestety widzimy szereg zagrożeń czy wręcz wykluczeń dla używania generatywnych modeli sztucznej inteligencji w profesjonalnych zastosowaniach, szczególnie w obszarach bazujących na pomiarze sentymentu i emocji. W naszej ocenie wynika to zarówno z konstrukcji samego rozwiązania, danych źródłowych dostarczanych do uczenia modeli, jak i samej koncepcji pomiaru sentymentu i emocji.
W szczególności:
- różnice w budowie modeli językowych: model Sentimenti budowany był od podstaw na bazie danych uzyskanych w wyniku być może największych na świecie tego typu badań, z udziałem ludzi. Tak przygotowane i ukierunkowane badania zazwyczaj skutkują z zawężoną funkcjonalnością jednak przy jednocześnie zdecydowanie wyższej jakości wyników w porównaniu z podejściem pozyskiwania danych de facto z każdego możliwego obszaru celem zapewnienia modelowi jak największej „wiedzy”.
- różnice w sposobie interpretacji sentymentu i emocji: w ramach projektu Sentimenti, badane osoby udzielały odpowiedzi na pytanie, jakie emocje okazany im tekst w nich wzbudza – minimum 50 różnych osób dla każdego z tekstów. Tym samym mierzony był odbiór tekstu przez czytelnika (odbiorcę wiadomości). W przypadku generatywnych modeli AI, dostajemy “subiektywną” ocenę danego modelu językowego. Tym samym jest ona bliższa próbie zgadnięcia intencji wywołania określonych emocji przez autora komunikatu (nadawcę wiadomości), a nie tego, jak ten komunikat może być odebrany. Taka interpretacja nie nadaje się w naszej ocenie do obiektywnego określenia emocji i zastosowania w narzędziach wykorzystujących pomiar sentymentu i emocji.
- halucynacje: ogólnie znany problem generatywnych modeli. W odróżnieniu od modelu Sentimenti, skupionego na ocenie 11 wskaźników emotywnych, gdzie taki problem nie występuje i ocena danego tekstu zawsze będzie dawała taki sam wynik, GenAI potrafi relatywnie często podać odpowiedź niezgodną z prawdą. W naszej ocenie wyklucza to używanie GenAI do profesjonalnych zastosowań językowych.
utworzone przez Grzegorz Stefański | paź 7, 2022 | SentiStocks
Od wielu miesięcy notowany jest spadek cen akcji Credit Suisse. Zamieszanie wokół stanu finansów banku jest coraz większe. W mediach pojawiają się kolejne doniesienia o potencjalnej niewypłacalności instytucji, która jest drugim co do wielkości szwajcarskim bankiem. Czy kurs jego akcji dało się przewidzieć? Tak – dzięki sztucznej inteligencji.
Pewne jak w szwajcarskim banku, czyli Credit Suisse w opałach
Od wielu miesięcy notowany jest spadek cen akcji Credit Suisse. Jako, że Sentimenti zajmuje się między innymi przewidywaniem kursów instrumentów finansowych czy kryptowalut, postanowiliśmy przyjrzeć się atmosferze i nastrojom panującym w sieci wokół Credit Suisse.
Analizie poddano poziom natężenia emocji i pobudzenia emocjonalnego wśród autorów opinii i komentarzy on-line, które napisano w językach angielskim i niemieckim. To łącznie ponad 40 tys. wzmianek z okresu od maja do września 2022 roku, którym przyjrzała się nasza sztuczna inteligencja. Wyniki są zaskakujące.
Nie zaskakiwał wysoki poziom natężenia emocji ogólnie pojmowanych jako emocje negatywne poniekąd związane z niepewnością (strach i smutek) czy też neutralne (zaskoczenie i oczekiwanie). Jednak dużym zaskoczeniem było stwierdzenie rosnącego poziomu natężenia emocji pojmowanych jako pozytywne (zaufanie i radość).
Szczegółowa analiza treści wpisów pokazała, że wpisy charakteryzujące się wysokim natężeniem tych korzystnych emocji są wpisami wyrażającymi – ogólnie mówiąc – zadowolenie z kłopotów Credit Suisse. Taki stan rzeczy istotnie oddziaływał na poziom wskaźnika korelacji natężenia emocji i ceny akcji banku.
Badania diad emocji (tworzących się zgodnie z teorią Pluchika) także prowadzi do ciekawych obserwacji, w tym pokazały, jak zmieniało się nastawienie rynku. I tak najsilniej z cenami akcji Credit Suisse korelowały emocje:
- w maju oczekiwania i zaufania – tworzące diadę fatalizmu;
- w czerwcu i w lipcu strachu i smutku – tworzące diadę rozpaczy;
- w sierpniu oczekiwania i smutku – tworzące diadę pesymizmu;
- we wrześniu oczekiwania i wstrętu – tworzące diadę cynizmu.
Wykorzystując analizę współczynnika korelacji Pearsona (Pearson correlation coefficient), zbadano wzajemne oddziaływanie cen akcji oraz natężenia emocji wokół Credit Suisse w internecie.
Credit Suisse. Kurs akcji. Czy czeka nas powtórka z Lehman Brothers?
Analiza pokazała, że zachodził tu rzadki przypadek. Wszystkie emocje (w tym uznawane za pozytywne) korelowały ujemnie z cenami akcji banku. Oznaczało to, że w tym przypadku notowany wzrost natężenia emocji powiązany był ze spadkiem cen akcji. We wrześniu najsilniej z cenami akcji korelowały wstręt i oczekiwanie tworzące – według teorii Plutchika – diadę cynizmu.
Prototyp modelu predykcji cen akcji zasilono danymi finansowymi (ceny akcji) i dotyczącymi natężenia emocji, sentymentu i pobudzenia wokół spółki. Wykorzystano model zbudowany w oparciu o sztuczną sieć neuronową z zastosowaniem BiLSTM (dwukierunkowej długiej pamięci krótkotrwałej).
Wykorzystując nasz model predykcyjny (usługa Sentistocks) uzyskano aż 88% skuteczność przewidywania trendu cen akcji spółki Credit Suisse w badanym okresie. To pokazuje, że potencjalni inwestorzy mogliby z powodzeniem przewidzieć notowania. Wszystko tylko i wyłącznie na podstawie dyskusji w sieci na temat sytuacji finansowej banku.
Inwestorzy pamiętają wielki upadek banku Lehman Brothers. 14 lat temu przyczyniło się to wybuchu globalnego kryzysu finansowego. Czy Credit Suisse czeka ten sam finał? Nie wiadomo. Jednak koszt CDS (ubezpieczenia przed bankructwem) dla tej instytucji zbliżył się do poziomów najwyższych od niemal 15 lat. Sam bank przewiduje wyboiste czasy.
Jak emocje podpowiadają kierunek trendu cen akcji
W ramach Sentistocks stworzono skuteczne modele predykcyjne dla instrumentów z rynku kryptowalut. Modele te wykorzystują zarówno dane finansowe, jak i emotywne dla prognozowania przyszłych cen (kursów). Wysoki poziom skuteczności predykcji opracowywanych przy pomocy naszego narzędzia potwierdza ogromną rolę, jaką odgrywają emocje na rynkach finansowych.
utworzone przez Grzegorz Stefański | mar 11, 2021 | SentiStocks
Narzędzie Sentistocks pozwala na predykcję średniego kursu Bitcoina (BTC). Jego działanie polega na znajdowaniu korelacji pomiędzy zmianami natężenia emocji i zmianami kursu BTC. Pomiar natężenia emocji przebiega w oparciu o analizę wzmianek o BTC publikowanych na Twitterze i Reddicie.
Kup Bitcoin i patrz, jak rośnie. Skuteczność prognozowania trendu kursu
Głównym zadaniem narzędzia Sentistocks jest przewidzenie trendu zmiany średniego kursu BTC. Prezentujemy obraz wartości predykowanych średnich kursów BTC za okres styczeń – luty 2021 r. w porównaniu do średnich kursów BTC true.
W naszym pomiarze skuteczności predykcji przyjęliśmy dwa założenia. Uznajemy prognozę za trafioną, jeśli:
- zmiany średniego przewidywanego kursu i średniego kursu rzeczywistego idą w tym samym kierunku (trend wzrostowy lub spadkowy)
- mieszczą się w przedziale od -0,66% do 0,66% (korytarz wskazujący trend boczny).
Średnia skuteczność predykcji kurs BTC w okresie styczeń – luty 2021 utrzymała się na poziomie roku 2020, to jest około 81%.
Bitcoin. Wartość i praktyczne wykorzystanie Sentistocks
Wysoka skuteczność trafności predykcji pozwoliła na wykorzystanie w procesie inwestycyjnym sygnałów zmian cen BTC pochodzących z 24 godzinnego modelu. Dlatego też na początku stycznia 2021 założyliśmy inwestycję w wysokości 1 000 USD w zakup BTC. W inwestycji przyjęliśmy strategię nazwaną Following Predictions, handlując 100% portfela, reagując na przewidywane zmiany trendu. Dla porównania przeprowadziliśmy również symulację powszechnie stosowanej strategii HODL .
Jak widać, strategia Following Predictions okazała się znacznie skuteczniejsza niż HODL zarówno w styczniu, jak i w lutym. Wynikało to z faktu, że nasz model skutecznie przewidywał okresowe spadki kursu BTC, co pozwoliło nam z wyprzedzeniem na wejście w walutę FIAT, unikając utraty kapitału.
Zwrot z zainwestowanego kapitału przy strategii Following Predictions osiągnął na koniec lutego poziom 188,4% wobec 51,2% w przypadku strategii HODL.
Oczywiście nasze narzędzie nie może być jedyną wskazówką dla decyzji inwestycyjnych, ale z pewnością wzbogaca wykorzystywane przez graczy instrumentarium. Przede wszystkim zawiera w sobie wyniki pogłębionych analiz emocji towarzyszących operacjom inwestorskim. Analizy te obejmują 8 podstawowych emocji oraz sentyment i pobudzenie.
Jak sprzedać Bitcoin? Podatek od kryptowalut
Podatek od Bitcoina wynosi 19% od kwoty dochodu. Oznacza to, że przychód uzyskany z obrotu kryptowalutami można też pomniejszych o koszty uzyskania przychodów. Zyski uzyskane ze sprzedaży kryptowalut trzeba rozliczyć w rocznym zeznaniu PIT.
utworzone przez Grzegorz Stefański | kwi 8, 2020 | SentiStocks
Wybraliśmy sobie najgorszy z możliwych miesięcy do rozpoczęcia prognozowania kursów kryptowalut, a dokładnie prognoza Bitcoina. Ta największa i być może najważniejsza waluta w świecie krypto nigdy nie była szczególnie stabilna. Natomiast wydarzenia wokół COVID-19 tylko spotęgowały wahania kursowe. Spadek z ponad 9 000 USD do niewiele powyżej 4 000 USD w tak krótkim okresie był niespotykany do tej pory, nawet w tym świecie.
Ale kto mógł to przewidzieć. A poza tym kiedyś musieliśmy zacząć 🙂
- W jaki sposób prognozujemy zmiany kursów, opisałem w artykule “Sentyment inwestorski na rynku kryptowalut. A może lepiej emocje?“. Postanowiliśmy na naszej grupie facebook’owej codziennie publikować prognozowany kurs. W ten sposób chcieliśmy sobie i światu (takie nasze Urbi et Orbi) pokazać skuteczność naszych predykcji. Dlatego utworzyliśmy na początku marca grupę Sentistock na profilu Facebook’a Sentimenti. W tym samym czasie trwały u nas ostatnie wewnętrzne ustalenia, co do zakresu i formy publikacji. Dlatego pierwszy premierowy wpis pojawił się 16 marca i z niewielkimi technicznymi przerwami trwa do teraz.
Standardowo codzienny sygnał zawiera następujące dane:
- USTALONY średni kurs mierzony z 24 kursów zamknięcia, liczony każdorazowo dla pełnej godziny, ustalony na godzinę 16:00 dnia publikacji,
- PROGNOZOWANY średni kurs dobowy, liczony do godziny 16:00 następnego dnia,
- ilość wzmianek wzięta pod uwagę
Natomiast w komentarzu publikujemy informację co do trafności naszej predykcji.
No dobrze, zapewne to najbardziej Was interesuje. A zatem:
Jak zarabiać na Bitcoin? Jak wypadła nasza skuteczność, czyli prognoza Bitcoina
Dla całego marca 2020 skuteczność predykcji zmiany kierunku trendu wyniosła 77,42%. Dla krótszego okresu, publikowanego na grupie facebook’owej, czyli od 16 marca, skuteczność wyniosła 75%.
Bitcoin forecast. Jakie dane analizujemy, zanim dokonamy predykcji
W całym marcu zebraliśmy 77 923 wzmianek, z takich źródeł, jak: facebook, twitter, fora internetowe, strony www, blogi. Średnia dzienna analizowana przez nas to około 2 500 wzmianek. Jednostkowym wybijającym się medium jest twitter.
Tak zebrane dane stanowią materiał, który jest analizowany przez Sentitool, a dokładniej przez najważniejszej części naszego modelu predykcji tzw. regresor (analizator 8 emocji, sentymentu pozytywnego, negatywnego oraz pobudzenia). Bardziej zainteresowanych odsyłamy do kilku artykułów na naszym blogu.
Prawdopodobnie bardziej wymagający okaże się kwiecień – sytuacja wokół COVID-19 rozchodząca się po całym świecie, będzie odczuwalna także w kursach kryptowalut. Na pewno Was o tym poinformujemy w kolejnym artykule!
Godne uwagi:
