KI-Modelle entschlüsseln Marktstimmungen in Krypto‑Tweets

Die wachsende Bedeutung von Kryptowährungen hat zu einer intensiven öffentlichen Beteiligung und verstärkter spekulativer Aktivität geführt – besonders auf Social‑Media-Plattformen. In einer neuen Studie wird ein innovatives Klassifikationsframework vorgestellt, das vorausschauende Aussagen in Tweets zu fünf populären Kryptowährungen (Cardano, Matic, Binance, Ripple und Fantom) erkennt.

Der Ansatz gliedert sich in zwei Phasen. Zunächst wird mittels binärer Klassifikation zwischen vorausschauenden und nicht‑vorausschauenden Aussagen unterschieden. Tweets, die als vorausschauend identifiziert werden, gelangen in die zweite Phase, in der sie in die Kategorien „Incremental“, „Decremental“ oder „Neutral“ eingeteilt werden. Für ein robustes Datenset wurden manuelle und GPT‑basierte Annotationsmethoden kombiniert, während SenticNet zur Extraktion von Emotionseigenschaften für jede Vorhersagekategorie eingesetzt wurde.

Um das Problem der Klassenungleichheit zu adressieren, wurde GPT‑generierte Paraphrasierung zur Datenaugmentation genutzt. Die Bewertung verschiedener Machine‑Learning‑, Deep‑Learning‑ und Transformer‑Modelle zeigte, dass die GPT‑basierte Ausbalancierung die Modellleistung deutlich steigerte. Transformer‑Modelle erzielten die höchste F1‑Score‑Bewertung in der ersten Phase, während klassische Machine‑Learning‑Modelle in der zweiten Phase die besten Ergebnisse lieferten.

Die emotionale Analyse offenbarte zudem eindeutige Muster, die jeweils mit den Vorhersagekategorien in Verbindung stehen und sich über die untersuchten Kryptowährungen hinweg unterscheiden. Diese Erkenntnisse bieten wertvolle Einblicke in die Wechselwirkung von Marktstimmungen und spekulativem Verhalten in der Krypto‑Community.