ВЛИЯНИЕ ТОНАЛЬНОСТИ НОВОСТЕЙ НА КУРС БИТКОИНА

Оценивается влияние эмоциональной тональности новостей о биткоине на его курс. В частности, исследуется, влияет ли индекс читабельности текста новостей на волатильность биткоина. Несмотря на то что чрезмерная волатильность угрожает биткоину не стать успешной валютой, многие ученые заинтересованы в детерминантах такой волатильности. Такие факторы, как спекулятивные инвестиции или внимание общества, являются драйверами изменчивости курса биткоина. В связи с этим вопрос исследования влияния новостей на курс биткоина является актуальным. Цель данной работы состоит в том, чтобы оценить влияние эмоциональной тональности новостей о биткойне на его курс. Эмпирическая база исследования довольно объемная, поскольку включает в себя более 1330 новостей из информационной базы Thomson Reuters за период с 19.08.2011 по 16.08.2016 г. по рынку биткоина. Методология исследования включает анализ тональности, проведенный с использованием словаря МакДональда и Лоугрэна, также проведен анализ взаимозависимости временных рядов на основе каузального анализа с применением теста Грэнджера на причинность.
В статье поставлены три гипотезы о влиянии новостей на курс биткоина. В ходе исследования получили подтверждение две из них. Доказана первая гипотеза о более значительном влиянии негативных новостей, чем позитивных с учетом пяти лагов. Вторая гипотеза о влиянии положительной тональности в новостях на курс в результате применения теста Грэнджера на причинность не подтвердилась, поскольку положительные значения данного теста были получены в двух лагах из пяти. Также была доказана третья гипотеза о том, что высокий индекс читабельности оказывает влияние на волатильность биткоина за весь изученный период с учетом всех пяти лагов. Таким образом, предположение о влиянии эмоционального освещения новостей на курс биткоина подтвердилось.

1. Nakamoto S. Bitcoin. A peer-to-peer electronic cash system, 2009. URL: https://bitcoin.org/bitcoin.pdf (дата обращения: 28.04.2018).

2. Georgoula I., Pournarakis D., Bilanakos C., Sotiropoulos D.N., Giaglis G.M. Using time-series and sentiment analysis to detect the determinants of Bitcoin prices. SSRN Electronic Journal. 2015; Oct. DOI: 10.2139/ssrn.2607167 3. Leitch D., Sherif M. Twitter mood, CEO succession announcements and stock returns. Journal of Computational

3. Science. 2017;21:1–10. DOI: 10.1016/j.jocs.2017.04.002

4. Velde F. R. Bitcoin: A primer. Chicago Fed Letter. 2013;(317):1–4. URL: file:///C:/Users/User/Downloads/cfldecember2013–317-pdf.pdf (дата обращения: 23.07.2018).

5. Yermack D. Is bitcoin a real currency? An economic appraisal. NBER Working Paper. 2014;(19747). URL: http://post. nyssa.org/files/is-bitcoin-a-real-currency.pdf (дата обращения: 23.07.2018).

6. Kaplansky G., Levy H. Sentiment and stock prices: The case of aviation disasters. Journal of Financial Economics. 2010;95(2):174–201. DOI: 10.1016/j.jfineco.2009.10.002

7. Ciaian P., Rajcaniova M., Kancs d’A. The digital agenda of virtual currencies. Can BitCoin become a global currency? Information Systems and e-Business Management. 2016;14(4): 883–919. DOI: 10.1007/s10257–016–0304–0

8. Badev A., Chen M. Bitcoin: Technical background and data analysis. FEDS Working Paper. 2014;(104). DOI: 10.2139/ssrn.2544331

9. Pieters G., Vivanco S. Financial regulations and price inconsistencies across Bitcoin markets. Information Economics and Policy. 2017;39(C):1–14. DOI: 10.1016/j.infoecopol.2017.02.002

10. Mai F., Shan Z., Bai Q., Wang X., Chiang R.H.L. How does social media impact bitcoin value? A test of the silent majority hypothesis. Journal of Management Information Systems. 2018;35(1):19–52. DOI: 10.1080/07421222.201 8.1440774

11. Tirunillai S., Tellis G.J. Does chatter really matter? Dynamics of user-generated content and stock performance. Marketing Science. 2012;31(2):198–215. DOI: 10.1287/mksc.1110.0682

12. Luther W.J., Salter A.W. Bitcoin and the bailout. The Quarterly Review of Economics and Finance. 2017;66:50–56. DOI: 10.1016/j.qref.2017.01.009

13. Ojha P.K., Ismail A., Kuppusamy K.S. Perusal of readability with focus on web content understandability. Journal of King Saud University — Computer and Information Sciences. 2018; in press. DOI: 10.1016/j. jksuci.2018.03.007 URL: https://www.sciencedirect.com/science/article/pii/S 1319157817303622 (дата обращения: 23.07.2018).

14. Liu B. Sentiment analysis and opinion mining. San Rafael, CA: Morgan & Claypool Publishers; 2012:1–15. (Synthesis Lectures on Human Language Technologies Series. Book 16). URL: https://www.cs.uic.edu/~liub/FBS/ SentimentAnalysis-and-OpinionMining.pdf (дата обращения: 23.07.2018).

15. Heston S.L., Sinha N.R. News vs. sentiment: Predicting stock returns from news stories. Financial Analysts Journal. 2017;73(3):67–83. DOI: 10.2469/faj.v73.n3.3

16. Jones K.S. A statistical interpretation of term specificity and its application in retrieval. Journal of Documentation. 1972;28(1):11–21. DOI: 10.1108/eb026526

17. Loughran T., McDonald B. When is a liability not a liability? Textual analysis, dictionaries, and 10-Ks. The Journal of Finance. 2011;66(1):35–65. DOI: 10.1111/j.1540–6261.2010.01625.x

18. Bodnaruk A., Loughran T., McDonald B. Using 10-K text to gauge financial constraints. Journal of Financial and Quantitative Analysi. 2015;50(4):623–646. DOI: 10.1017/S 0022109015000411

19. Kearney C., Liu S. Textual sentiment in finance: A survey of methods and models. International Review of Financial Analysis. 2014;33:171–185. DOI: 10.1016/j.irfa.2014.02.006

20. Федорова Е. А., Демин И. С., Хрустова Л. Е., Осетров Р. А., Федоров Ф. Ю. Влияние тональности писем CEO на финансовые показатели компании. Российский журнал менеджмента. 2017;15(4):441–462. DOI: 10.21638/11701/spbu18.2017.403