【金融文本挖掘】How Does Social Media Impact BitcoinValue? A Test of the Silent MajorityHypothesis

社会媒体如何影响比特币价值？对沉默的大多数假设的测试

title	How Does Social Media Impact Bitcoin Value? A Test of the Silent Majority Hypothesis
出版时间	2018
doi	10.1080/07421222.2018.1440774
期刊	JOURNAL OF MANAGEMENT INFORMATION SYSTEMS（Q1）
类别	Computer ScienceInformation Science & Library ScienceBusiness & Economics
关键词	bitcoin；cryptocurrencies；digital currency；fintech；social media；text mining；vector error correction model
文章链接	https://www.webofscience.com/wos/woscc/full-record/WOS:000428861300003

有没有同方向uu给小白指指路啊lol
这篇是IS和finance方向的

1、行文脉络

本文结构：

研究类型：A 对 B 的影响
研究方式：实证分析；

本研究主要借鉴了IS和金融领域的两个研究方向：
( 1 )比特币的市场特征，
( 2 )社交媒体对金融市场的影响。

我们首先回顾了关于比特币交易市场的研究，并阐述了在预测比特币价值时纳入社交媒体度量的原因( H1 )。
H1：
假设1(社交媒体测量效应假说)。社交媒体指标对未来比特币价格有显著影响，即正向(负向)情绪的增加预示着未来比特币价格的上升(下降)。

然后，我们强调了社交媒体研究中的空白，这些空白激发了我们对用户群体( H2 )和平台( H3 )差异的研究。
H2：
假设2A：少数发声者假说
The Vocal Minority Hypothesis
有声少数比无声多数对比特币价值的影响更强。
假设2B：沉默多数假说
Silent Majority hypothesis
沉默的多数人比发声的少数人对比特币价值的影响更强。
H3：
假设3：互联网论坛-内容比特币价值影响假说
The Internet Forum-Content Bitcoin Value Impact Hypothesis
来自互联网论坛的用户生成内容，而不是Twitter，在日常层面对比特币价值的影响更强。

知识总结：实证类文章结构

1、Research Background and Hypothesis Development
2. Data
3.Empirical Methodology
4,Analyses and Results

研究问题：

综合：
研究社交媒体和比特币的货币价值之间的关系
dynamic interactions between social media and the monetary value of bitcoin
具体：
1、社交媒体与比特币价值之间是否存在预测关系?
Is there a predictive relationship between social media and bitcoin value?
2、不同用户群体创建并发布在不同平台上的社交媒体信息是否表现出相同的效果?
Does social media information created by different user cohorts and published on different platforms exhibit the same effect?

解决方法：

数据源：

互联网论坛( Bitcointalk.org )和Twitter

1、Bitcointalk.org（主要）

选择原因：
（1）它在最近的一项调查中被评为最受欢迎的比特币社区
（2) 它首先出现在官方比特币网站的社区部分

2、Twitter（主要）

从Twitter的公共应用程序接口( API )中收集了包含哈希标签( # Bitcoin )的推文

3、Google Trends

随着时间的推移，兴趣的度量表明了谷歌搜索引擎中给定关键字(在我们的案例中,比特币)的流行程度，使用了0 - 100的比例和标准化值。

4、Alexa Web Information Service

获取与Bitcoin . org相关的Web网站的流量排名

5、金融市场外部工具包

标准普尔500指数、股市波动率(芝加哥期权交易所VIX指数)、COMEX黄金价格、AAII投资者情绪调查

6、汤森路透新闻分析数据库

在汤森路透新闻分析( Thomson Reuters News Analytics，TRNA )数据库中搜索包含"比特币"一词的新闻文章

研究方法：

1、文本情感分析分析

textual entiment analyses
1、构建金融情感字典
finance sentiment dictionary
2、使用工具Natural Language Toolkit 3.0
3、统计正面词和负面词词数

2、向量误差修正模型（VECM）

and vector error correction models
来实证检验比特币价值与社交媒体变量之间的关系

为什么用这个方法

1、文本情感分析分析

？？？文章没说啊？？？

2、向量误差修正模型（VECM）

1、VECM扩展了传统的向量自回归( VAR )模型，是用于研究相互依赖变量的系统。
VECM extends the traditional vector autoregression (VAR) models that are used to study a system of interdependent variables
2、VECM考虑了内生性、自相关性和反向因果关系。它允许我们对变量对之间的双向因果关系进行建模。
VECM shares many of the benefits of VAR models. Specifically, VECM accounts for endogeneity, autocorrelation, and reverse causality.
3、VECM控制了协整- -变量之间的长期依赖关系。
VECM controls for cointegration—a form of long-run dependencies between variables.

结论：

1、社交媒体对比特币的影响主要是由沉默的大多数驱动的，95%的用户不太活跃，他们的贡献占总信息量的40%以下。
2、相对于推文，互联网论坛上的信息对未来比特币价值的影响更大。
3、社会媒体的情绪是决定比特币估值的一个重要预测因素，但并不是所有的社会媒体信息都有同样的影响。

创新点：

1、给出了一个有趣的结论：相对不活跃用户贡献的内容比活跃用户贡献的内容具有更大的影响力。

2、优缺点

优点：

缺点：

3、未解决问题

1、数据分析方法和数据来源
数据：
1）二手数据
2）英语环境的数据，from an English-language Internet forum and limited our Twitter data to messages in English。
自己复现改进：
1）用一手数据
2）用中文环境下的数据，以及用多种语言下的数据
2、金融情感分析，未能分析出有细微差别的情绪
3、缺少研究解决沉默大多数的影响机制

4、类似领域的解决方案

5、不会的知识点

6、语言积累