/马克肖特比特币到底是什么数字加密？是更接近商品属性还是更接近传统货币？数据人马克肖特通过大数据分析了比特币价格的波动。他发现比特币的价格波动很大，在宏观货币经济中发挥着独特的作用，其日收益率更像是商品的标的物。
“商品”比特币，大数据应用项目，关于比特币价格波动的数据分析。比特币的价格波动很大，在宏观货币经济中发挥着独特的作用。加密数字货币充满争议。我用线性回归和分布拟合来描述比特币的走势，并介绍未来利用信号处理技术进一步分析比特币的可能性。
这篇论文将证实比特币的高波动性，也有证据表明比特币的行为更像是一种商品，而不是一种货币。
在研究中，我使用Scrapy从比特币数据网站99bitcoins.com抓取数据，用于这个项目的分析。具体来说，我抓取了61篇与比特币相关的新闻文章，每篇文章报道的事件前后10天的价格变化，以及比特币每日交易价格的完整历史数据。这些事件包括比特币交易平台Mt.Gox被黑，中国银行限制比特币等等。
(图说：左上是5月1日比特币的历史价格，红点对应的是从网站抓取的61条新闻。另外三张图是这张图细节的放大版，是交易过程中波动较大的短线数据。)我决定先用R语言的Ryuzhet包对这些新闻报道做一个快速的情感分析。
我首先从文本中提取了相应的情感因素，发现积极的情感和更加信任的态度明显在增加。在这个小样本分析中，NLP(自然语义处理)分析似乎更有效。(图片说明：61篇新闻报道中不同情感因素的变化)
上图是我抓取的61篇新闻报道中不同情绪因素的变化。水平轴上的event_no的值随着时间增加。稳定增长的趋势表明积极和信任的情绪在增加。(图片说明：“信任”的情绪的线性回归分析)上图是第二组图片中“信任”对应的图表的线性回归分析。拟合曲线的相关系数P分别为0.018，R 2为0.091，斜率为0.0122。
为了进一步研究比特币的走势，我决定做一个其日收益率的直方图。图中可以看到明显的分布规律，但不确定是哪一种。后来我发现它相对更符合一个柯西分布的特征。这可能是因为柯西分布可以更好地描述比特币相关极端事件的尾部表现。柯西分布没有明确的均值或方差，这也符合比特币的高波动性。
我使用统计函数库scipy.stats来拟合分布，所以没有检查具体拟合参数的好坏，但是我打算以后使用scipy.odr模型来完成这项工作。以上是柯西分布方程，看似符合比特币的日收益率。这种分布没有明确的均值或方差，也证明了比特币日收益率的高波动性。
上图是比特币日收益率的归一化直方图。绿色曲线是柯西分布，与直方图的拟合度很高，红色曲线是正态分布，所以拟合度没那么高。以上是商品铜和棉花的分布图。虽然远非完美，但两者的日收益率似乎更符合柯西分布，而非正态分布。或许这也表明，比特币的行为更像是一种商品，而非货币。
加上其他因素，这些因素使比特币的作用非常独特(包括其他相对少量的加密货币)，并使比特币具有根本价值。比特币作为最著名、最早的加密货币，在使用上是有优势的。这也让我们好奇和期待莱特币、以太坊等加密货币在未来是否还有生存空间。
波动从未停止。然后我的分析进入了金融信号处理领域。我从btc-e比特币交易所获取历史交易数据，以图表的形式展示各种日收益随时间的变化。
上图展示了1、10、30和90天为周期的回报率，其中1天的回报率图看起来像信号（signal-like），也因此促使我选择使用金融信号处理（Financial Signal Processing）进行分析。从左上角的这张图中可以大致看到，正回报率很高的时点与负回报率很高的节点在时间上很靠近，这种现象被称为波动聚类（volatility clustering）。
总的来说，我们从这个项目中了解到关于比特币的信息指出，比特币是一个价值波动非常大的、日回报率表现更像大宗商品的标的物。从相关新闻报道来看，它看起来正越来越受到信任并引发积极情感。我期待在未来继续进一步探索比特币以及其他金融时间序列数据，并学习更多的分析技巧。
注：本文翻译自《Bitcoin News Sentiments and Return Rates》 。内容仅为作者观点，不代表DT财经立场。
题图| 视觉中国
关于DTNYCDSA
DTNYCDSA 是DT财经与纽约数据科学学院合作专栏。纽约数据科学学院(NYC Data Science Academy)是由一批活跃在全球的数据科学、大数据专家和SupStat Inc. 的成员共同组建的教育集团。
数据侠门派
Mark Schott毕业于韦恩州立大学物理学系，后进入莱斯大学攻读应用物理硕士。但在研究生期间，他意识到学术并非自己兴趣所在，于是决定离开学校寻找其他机会。之后他开始对开源软件以及Linux系统上的科学计算感兴趣，曾从事软件开发岗位。他是纽约数据科学学院12周训练营的毕业学员。现在在美国最大的人力资源数据公司ADP担任数据工程师。
加入数据侠
“数据侠计划”是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。了解数据侠计划详情请回复“数据侠计划”，投稿、合作请联系datahero@dtcj.com。
