社交微博可以用来预测日内汇率吗？

我们探讨了使用市场参与者的私人信息（但通过micr oblogging平台公开）的可能性，这些信息可用于超越EMH Inca社交微博，用于预测日内汇率？（a）0 2 2 0 0 8 8 8 8 8 8 8 0 0 0 0 0 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9 9 9 9 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 468100.10.1020.1040.106（高）246 8 102468100.450.460.470.480.490.50.51（i）rmsemaesganannanbnbnfig。10利率回报率（对数差异）分析：AR、ARX和ANN模型的RM SEs（（a）、（d）、（g））、MAEs（（b）、（e）、（h））和Sgns（（c）、（f）、（i））分别与理论值Na和NbNK=4有关。就投资者的总体信息流而言，这是一个非常短期的市场效率决定因素。特别是，我们试图回答以下基本问题：微博背景下的信息行为和交易者的“信念”能否被用来提高预测效率，并超越随机游走？据我们所知，这是首次对欧元/美元汇率的预测进行分析。我们认为，我们的研究具有重要意义，因为试图反驳THEMH的当代研究侧重于揭示市场异常，因为这些异常可能由市场参与者在社会网络中的“信念”提供的信息流引起。

在这个方向上，玩家18 Panagiotis Papaioannou等人已经开始使用与市场共识相关的几个心理指标。0.40.45 0.5 0.56005 0.60100200300400500（a）0.40.45 0.5 0.55 0.60100200400500600（b）HistorogramHistogramsgn SgnFig。11使用（a）ARX（Na=1，nb=2）对nk=1的SGN进行经验自举分布，（b）安（na=7，nb=4，来自5000个自举的验证数据样本以及市场监管机构。我们的分析表明，基于人们的信念的汇率水平预测，因为这些数据可以通过微博挖掘出来，可能包含重要信息，可以用来超越随机游走假设和AR模型，而AR模型不包括这些信息t仅在短期内超过汇率的价值。移动平均交易模拟也证明了这一点。然而，我们应该注意到，这种行为应该归因于数据的低估趋势。当遇到更大的预测范围时，这一点很明显。当对回报率（对数差异）进行分析时，即实际值的对数差异，这说明了非平稳性和趋势的问题，分析表明，在预测方向变化的有效性方面存在显著差异，这是由一步时间预测范围内正确预测标志的相对方向变化的时间比例所描述的。关于我们的分析可以得出的任何结论，我们应该参考它的某些假设和限制。

例如，我们使用了（a）一个在有限时间内部署的数据库，该数据库不包括任何重大异常，（b）我们的预测只针对非常短的（日内）时间范围，（c）没有考虑风险评估分析，（d）我们只使用黑盒时间序列模型，（e）我们只使用了社交微博平台报告的一小部分数据。此外，评估预测的效率和准确性仍然是进一步研究的重要问题。例如，可以使用滚动原点评估和基于新数据集的最佳系数重新校准（s e Tashman（2000）回顾和关键讨论）来改进样本外统计测量。最后，我们认为社交网络可以为该领域的进一步发展提供基础，从而使市场心理的实验方面正式化，因为这是由社交微博形成的。社交微博可以用来预测日内汇率吗？19.人类的行为。为了实现这一目标，通过最先进的多尺度技术（如Tso umanis等人（2010年）、Siettos等人（2012年））分析基于代理的详细模型，有可能促进计算建模和探索，从而帮助我们理解和预测市场的复杂动态。参考文献1。Almenberg，J.，Ki ttlitz，K.和Pfei Offer，T.，《科学预测市场的实验》，公共科学图书馆，2009年第4期，e8500页。Asur，S.和Huberman，B.A.，用社交媒体预测未来，arXiv:1003.5699v1（2010）。3。Bacchetta，P.和van Wincoop，E.，信息异质性能解释交换率决定之谜吗？，《美国经济评论》，96552-576（2003）。Baum，E.B.和Haussler，D.，《什么尺寸能给出有效的推广》，神经计算，1151-160（1988）。Bollen，J.，Mao，H.和Zeng，X.J.，推特情绪预测股市，J。

《计算科学》2011年第2期第1-8页。《支持向量机用于模式识别、数据挖掘和知识发现的教程》，Burges，J.C.，第2期，第121-167页（1998年）。行为经济学：心理学与经济学的统一，Proc。纳特尔。阿卡德。Sci。美国，9610575-10577（1999）。Carpenter，J.P.《谈判的进化模型：比较基于主体的计算和分析方法来理解约定进化》，计算经济学，19，25-49（2002年）。9。Casti，J.，情绪问题，纽约斯普林格（2010）。10。Chaboud，A.P.和Wright，J.H.发现了利息均等：它有效，但不会持续太久，《国际经济杂志》，66349-362（2005年）。Chinn，M.D.和Meredith，G.，《货币政策和长期视野发现的利率》，国际货币基金组织Staff Papers，51409-430（2004）。12。《两个股票市场和相关外汇市场之间的相互作用：模拟方法》，计算经济学，32，99-119（2008）。13。Daniel，K.，Hirshleif er，D.和Teoh，S.H.，资本市场中的投资者心理：证据和政策含义，货币经济学杂志，49139-209（2002）。14。Earle，P.，Guy，M。，巴克马斯特，R.，奥斯特姆，C.，霍瓦思，S.和沃恩，A.，OMGEarthquake！Twitter能改善地震反应吗？，《地震研究快报》，81246-251（2010）。15。法玛，E.F.，有效资本市场：理论和实证工作回顾，金融杂志，25383-417（1970）。16。J.A.安克尔神父，《乘数的奥秘：36个货币模型的修正》，《经济学与统计评论》，64515-519（1982年）。17。Garcia，V.F.，黑色十二月，《银行业不稳定，墨西哥危机及其对阿根廷的影响》，世界银行出版物，华盛顿特区（1997年）。18。金斯伯格，J.，莫赫比，M.H。，帕特尔，R.S.，布拉默，L.，斯莫林斯基，M.S。

和Brilliant，L.，Black December，银行业不稳定，墨西哥危机及其对阿尔·根蒂纳的影响，使用搜索引擎查询数据检测流感疫情，自然，4571012-1014（2009）。19。A.格林斯潘，联邦储备委员会向国会提交的半年期货币政策报告证词，提交给银行、住房和城市委员会，货币政策报告，美国参议院（2002年）。20。《作为长期现象的货币汇率模型》，国际经济学杂志，52299-319（2000）。21。《私人信息、股票市场和汇率》，国际清算银行工作文件，第271号（2009）。20 Panagiotis Papaioannou等人22。Hon，M.T.，Strauss，J.K.和Yong，S.K.，《解构纳斯达克泡沫：在国际股票市场的传染上一切正常》，《国际金融市场、机构和货币杂志》，17213-230（2007）。23。Huang，C.M.，Huang，C.J.和Wang，M.L.，识别短期负荷预测ARMAX模型的粒子群优化，IEEE电力系统交易，20，11261133（2005）。24。Huanga，S.，Chuanga，C.，Wub，C.F.和Laia，H.J.，基于混沌的支持向量回归用于汇率预测，专家系统与应用，3785908598（2010）。25。Iori，G.《股票市场中交易者活动的微观模拟：异质性、代理人互动和贸易摩擦的作用》，经济行为与组织杂志，49269285（2002）。26。《美国三大股市崩盘的起源：冲击与泡沫》，《物理》338135-142（2004）。肯尼斯·R.《购买力平价之谜》，经济文献杂志，24647-668（1996）。28。Kim，K.，使用支持向量机进行金融时间序列预测，神经计算，55307319（2003）。29。

《股票经纪人的不合逻辑性：关于先验知识和信念偏见对股票交易中逻辑推理影响的心理实验》，《公共科学图书馆·综合》，5，e13483（2010）。30。Kuan，C.M.和Liu，T.，使用前馈和递归神经网络预测汇率，应用计量经济学杂志，10347-364（1995）。31。廖广中和曹铁平，将模糊神经网络与achaos遗传算法和模拟退火相结合，应用于短期负荷预测，IEEETransactions on Evolutionary Computing，10340（2006）。32。林荣，D.，异质代理集群的市场行为和动态演化，Physica A，376，573578（2007）。33。麦克唐纳，R.和泰勒，M.P.《汇率的货币模型：长期关系、短期动态和如何击败随机游走》，国际货币与金融杂志，13276290（1994）。34。Malkiel，B.G.，对有效市场假说的反思：30年后，《金融评论》，40,19（2005）。35。Malkiel，B.G.，《有效市场假说及其批评者》，经济展望杂志，175982（2003）。36。马蒙，R.S.和El liott，R.J.，金融中的隐马尔可夫模型，运筹学与管理科学国际系列，纽约州斯普林格（2007）。37。Mao，H.和Bollen，J.，预测金融市场：比较调查、新闻、推特和搜索引擎数据，arXiv:1112.1051v1（2011）。38。M.Marsilia和G.Raffaelli，《风险泡沫和市场不稳定》，Physica A，3701822（2006）。39。Meese，R.A.和Rogo ff，K.，70年代的经验汇率模型：它们是否超出样本范围？，《国际经济学杂志》，第14期，第3-24页（1983年），第40页。米尔格罗姆，P.和斯托克，N.，信息，贸易和常识，经济理论杂志，26，17-27（1982）。41。Nikolsko Rzhevskyy，A。

R.Prodan，《马尔可夫转换与汇率可预测性》，国际预测杂志，doi:10.1016/j.ijforecast。2011.04.007(2011).42. 诺尔特，I.和波尔迈耶，W.，使用预测者的预测进行预测，国际预测杂志，23,15-28（2006）。43。朴世华、李俊华、宋俊华和朴世华。《利用隐马尔科夫模型预测金融时间序列的变化方向》，计算机科学课堂讲稿，5589184-191（2009）。44。《预测汇率：稳健回归方法》，国际预测杂志，23，71-84（2007）。45。Ross，D.，认知科学与社会认知，认知系统研究，9125-135（2008）。46。Rumelhart，E.E.，Hinton，G.E.和Williams，R.J.，通过反向传播错误学习表征，自然323533536（1986）。社交微博可以用来预测日内汇率吗？2147.舒梅克，R.P.和陈H。，利用突发性金融新闻对股市预测进行文本分析：AZFin文本系统，ACM信息系统交易，27，112（2009）。48。Shleifer，A.，有效市场：行为金融导论，英国牛津大学出版社（2000）。49。Shmilovici，A.，Kahiri，Y.，Ben Gal，I.和Hauser，S.，用通用数据压缩算法测量印度外汇市场的效率，计算经济学，33，131-154（2009）。50。Steiglitz，K.和Shapiro，D.，《模拟cr OWD的疯狂：以生产为中介的机器人市场中的价格泡沫》，计算经济学，12，35-59（1998）。51。泰，E.H。《金融时间序列预测中的改进支持向量机》，神经计算，48847-861（2002）。52。《预测准确度的样本外测试：分析与评论》，《国际预测杂志》，16437-450（2000）。53。

Tsoumanis，A.C.，Siettos，C.I.，Kevrekidis，I.G.，Bafas，G.V.，社交网络中的无方程多尺度计算：从基于代理的建模到粗粒度稳定性和分歧分析，Int.J.分歧与混沌，20，3673-3688（2010）。54。Siettos，C.I.，Gear，C.W.，Kevrekidis，I.G.，基于主体的计算的无方程方法：稳态的分叉分析和控制，EPL（欧洲物理学出版社），9948007（2012）。55。Van Gestel，T.，Suykens，K.J.，Baestens，D.，Lambrechts，A.，Lanckriet，G.，Vandaele，B.，De Moor，B.和Vandewalle，J.，在证据框架内使用最小二乘支持向量机进行金融时间序列预测，IEEE神经网络交易，12809-821（2001）。56。姚，J.T.和谭，C.L.，《利用神经网络进行外汇技术预测的案例研究》，神经计算，34，79-98（2000）。