如何利用机器学习的方式来监测加密货币市场的情绪

在加密货币市场中，有这样一个既有的观点认为这个市场容易受到来自新闻和社交媒体的舆论影响。就像任何其他新兴且非理性的金融市场一样，新闻或者社交媒体中传达出的预期之外事件将影响到金融产品的价格。因此，人们越来越寄希望于通过采用诸如情绪分析（Sentiment Analysis）等机器学习的方式来监测市场情绪与加密货币和数字代币之间可能存在的联系。尽管这种方式很重要，但人们采用的大多数情绪分析的方法都太浅显了，以至于这些分析很难形成有实践意义的结论，甚至常常形成具有误导性的结论。

如何有效的通过情绪分析来评估一项资产未来的价格走势是具有挑战性的，而这项挑战也并非是在加密领域中所独有的。在大多数情况下，通过文本情绪来产生有价值的洞见是一项非常困难的任务，这需要用到自然语言处理 （NLP） 模型对特定金融领域进行优化。大型量化对冲基金公司聘请大量机器学习领域的专家来训练 NLP 模型以用于特定任务，比如说对收入报告进行分析，其目的在于能够让他们在一项中频交易（medium frequency trade）中获得优势。对加密资产进行有效的情绪分析要求机器学习是有深度的和严密性的。

为进一步阐述上述观点，我们不妨从对情绪分析的特点开始，渐进式地加深对情绪分析的了解。

浅谈情绪分析

在著名历史剧《黎塞留》的第二幕的第二场中，英国剧作家爱德华·布尔沃-李顿写出了经典名句：“文字的力量胜于武力（The pen is mighTIer than the sword）”。苍海浮沉，历经百年，用这一经典名句来概括情绪分析的重要性似乎再恰当不过。相较于肢体语言，有时感情于字里行间中更能影响人们的行为。

仅从概念上来看，情绪分析从属于 NLP ，它更专注于识别文本交流中存在的情绪状态。不同于一般看法，情绪分析不仅仅是一门技术，它还是深度学习领域里的一个子类，用于甄别文本数据中的各类情绪因素。从这个角度来说，我们姑且可以认为以下几种情绪分析与智能加密资产相关。

· 极性分析（Polarity Analysis）：这类情绪分析将文本情绪划分为：积极、消极和中性。比如在大多数情绪分析模型中，“比特币价格的止跌企稳提升市场信心”这句话就被归类为积极类。

· 情绪/语气分析（EmoTIon/Tone Analysis）：不同于对文本进行总体归类，这种分析方式致力于对特定语境下所呈现的不同感情进行打分。情绪分析算法通常聚焦于难过、开心或愤怒等情绪。例如：“比特币止损后大幅回升”将会被认定是情绪高涨。

· 情绪面分析（Aspect SenTIment Analysis）：这种类型的情绪分析聚焦于对一句话中特定主体的情绪进行解读，而并非笼统的将一句话视作一整个部分。举例来说：在“ Bakkt 期货市场的出现对于比特币市场具有里程碑式的意义”这句话中，情绪面分析将会对与“ Bakkt 期货”相关的内容进行情绪分析，而不是对整句话进行分析。

根据以上分析，我们可以清楚的看到将情绪分析用于加密资产的好处。尽管如此，在对这类技术尝鲜之前，我们还应该考虑其中存在的风险因素。文章内容的上下文、主观性、反语甚至是语法错误都可能让最好的 NLP 算法失效。

加密资产的情绪分析

加密资产是一种新的资产类别，这种资产现在依旧受到金融市场的非理性因素影响，同时它也缺乏有效的信息披露渠道。从这个观点来看，认为像情绪分析等 NLP 技术能够识别 alpha 或聪明 beta（smart beta）因子以预测加密资产的行为变化情况的这种观点仅仅是符合逻辑的，但与现实情况略有差异。（CoinDesk 中文版注：alpha 指的是资产获得的超额收益，而 beta 指的是一种评估证券系统性风险的工具，用以度量一种证券或一个投资证券组合相对总体市场的波动性。）

当把情绪分析技术应用于加密资产时，我们可能会主要遇到两种类型的挑战：

1、将主流 NLP 技术应用于特定领域（如加密资产分析）时面临的挑战

2、错误的理解了新闻和社交媒体中所反映出来的真实情绪含义

第一个挑战几乎可以被视为是快速发展的 NLP 技术的一个预期外的副作用。如今，对于开发人员来说通过调取简单的应用程序编程接口 （API） 从而将情绪分析技术应用于实践是相对容易的，在这一过程中，API 调用者不需要具备任何有关深度学习的专业技能。

尽管通过调用 NLP 的 API 能够对一个普通句子的情绪进行有效分析，但是当试图从一句特定语句中推断出特定领域的相关信息时，这些 API 的表现是相当糟糕的。比如说，分析“比特币 ETF 可能即将获批”这句话，需要 NLP 模型对特定市场下的专业术语的语义非常精通，并且能从非常微观的层面，而并非仅从整句话中，对语境中的情绪进行推断。

第二个挑战来自于对新闻和社交媒体评论中所反馈出情绪的错误识别。作为信息的一个来源，新闻所包含的信息是相当丰富的但是在进行情绪分析是也可以说是相当无用。其直观的原因是：好的新闻中所包含的情绪应该是中立的。社交媒体的内容表现形式则截然相反。推特（Twitter）或者电报（Telegram） 中关于加密货币的观点通常会包含一些情绪，但就大多数情况而言，这些评论都是基于对一些公众普遍关切的重大信息的情绪反馈，这就意味着这些情绪里面并没有包含有价值的信息。除此以外，来自社交媒体的评论往往是嘈杂和相对主观的，这可能将会误导情绪分析的结果。

从纯技术的角度来说，为加密资产搭建有效的情绪分析模型需要对模型进行加密市场专业术语的训练，同时也需要将新闻作为信息来源和社交媒体作为情绪放大器进行分析。然而，当我们将情绪分析模型应用于加密资产领域时，我们目前面对的最大的心理误区之一就是我们是否克服了这项技术挑战。

市场与情绪影响的谬论

市场情绪影响谬论描述的是一种不好的或者是非理性的情形，比如说在新兴的金融市场领域，投资者们认为情绪分数和金融资产的价格变动之间有直接的相关性。为了阐述这样一种动态行为经济学，我们假设你正在使用分析工具对最近推特上关于比特币的情绪进行分析。从心理上来说，大多数投资者倾向于将市场情绪解读为领先指标：

· 如果市场情绪是积极的，那么就意味着看好后市

· 如果市场情绪是消极的，那么就意味着看空后市

但是，当你的模型用于分析公开的重大信息时，以下非直觉的情绪分析应该作为滞后指标：

· 如果市场情绪表示乐观，但是市场价格并未上升，这意味着熊市的来临

· 如果市场情绪表示悲观，但是市场价格并未下降，这意味着牛市的来临

当意识到情绪—价格关系的非一致性时，这使得情绪分析不再被视作市场领指标，而是当作交易策略中的一种相关因子进行分析。

从情绪分析到市场影响分析

从信息的角度来看，加密资产市场是复杂且充满不确定因素的。就情绪分析而言，多种因素混杂其中对当前的分析模型而言是一个噩梦。我们或许应该开发一种更全面的分析方法，而并非仅仅专注于市场情绪分析。情绪与市场的影响指标在长期来看，是集极性（消极、积极、中立）分析、情绪（不安的、兴奋的、悲伤的等）分析以及基于情绪面（主题、主体等）分析于一体的。这个方法要求训练模型精通于加密资产的动态变化，从而在特定市场环境下对市场情绪进行分析。

情绪与市场的影响模型这一观点在概念上不算特别：量化情绪、情绪和话题组合在特定市场条件下对加密资产的影响。这一方法的部分优点在于它并不像目前大多数情绪分析模型一样是不受监督的；它能够通过训练获得加密市场特定领域的知识。比如说，我们可以通过训练让模型了解到对中国在加密资产市场投资进行乐观的报道可能给上周处于相对熊市的市场带来积极的影响。情绪与市场的影响分析模型的核心原则就是将情绪分析模型对特定加密市场的分析置于特定的语境之中。

在加密资产市场领域，情绪分析可能仍将是人们热衷谈论的头条话题。然而，为了让其行之有效，这些模型需要更深入的加强机器学习的严密性以及增加基于特定动态加密资产市场之上的知识储备。随着市场的发展，我们可能会看见情绪分析技术由简单的线性分析转变为通过对加密资产市场领域特定话题的有效量化从而形成对市场的全面分析。

Jesus Rodriguez（耶稣·罗德里格斯）是区块链智能基础设施平台 IntoTheBlock 的首席技术官和联合创始人，同时也是 Invector 实验室的首席科学家。同时，他是加密货币和人工智能领域的活跃投资者、演讲者和写作者。