Crypto Fear and Greed Index

Der Crypto Fear and Greed Index versucht, die Emotionen und die Meinung der Kryptowährungsmarktteilnehmer über die Aussichten von Bitcoin, Ethereum und anderen Altcoins zu messen.

Der beste Weg, diese Stimmung gegenüber Coins zu erfassen, ist die Sammlung von Social-Media-Posts oder anderen Texten über die Kryptowährungen und die anschließende Bestimmung ihrer Stimmung.

Man kann viele verschiedene maschinelle Lernmodelle verwenden, um Texte als positiv, neutral oder negativ zu klassifizieren. Der Schlüssel dazu ist ein guter Trainingsdatensatz.

Ein sehr guter Datensatz ist der von Stanford, der mehr als 1 Million markierte Tweets enthält. Die Kennzeichnung erfolgte halbautomatisch durch die Verwendung von Emoticons für diesen Zweck.

Positive Emojis -> positive Tweets, negative Emojis -> negative Tweets.

Sobald wir das ML-Modell für die Klassifizierung jedes Social-Media-Posts von Twitter, Facebook, Instagram, Tik Tok und Snapchat haben, können wir ihn entweder als positiv, negativ oder neutral einstufen.

Aus diesen Werten können wir dann die durchschnittliche Stimmung berechnen, indem wir den Durchschnitt über alle Social-Media-Posts und über alle Münzen bilden. So erhalten wir die durchschnittliche Stimmung pro Stunde.

Durch die Berechnung von Perzentilen können wir diese Stimmung nutzen, um den Krypto-Angst- und Gier-Index zu berechnen, der dann in fünf Klassen eingeteilt werden kann:
– extreme greed
– greed
– neutral
– fear
– extreme fear
Man kann Beispiel vom Crypto Fear and Greed Index hier sehen:
https://bittsanalytics.com/crypto-fear-greed-index/

Der Schlüssel dazu sind die Sentiment-Klassifikationsmodelle. Sie gehören zur Klasse der sogenannten Textklassifikationsmodelle. Dazu gehören ML-Modelle zur E-Commerce Klassifizierung mittels API.

Es gibt auch kompliziertere Modelle, z.B. zur Berechnung der Ähnlichkeit von Entitäten. Durch die Berechnung von word embeddings von Produkten und die anschließende Berechnung von Kosinus-Ähnlichkeiten von Produktvektoren kann man z.B. ähnliche Produkte finden. Diese Funktion wird von dieser Website angeboten:
https://onlineproducts.ai/