BANKERA

【バンクエラ】仮想通貨投資ソリューションのセンチメント分析を解説

どうもshoto です。

バンクエラブロックチェーン時代の銀行を目指すフィンテックベンチャーですが、投資ソリューションの1つに「センチメント分析」というものがあります。

バンクエラがセンチメント分析による投資ソリューションについて言及したのは東京ミートアップの時でした。

たぶん僕を含めその場にいた多くの方がセンチメント分析について深く理解できていなかったと思います。

そこで!

今回はセンチメント分析についていくつか論文を読みましたので、バンクエアが提供しようとしているセンチメント分析を想定し、AI(機械学習/深層学習)を活用したセンチメント分析を簡単に解説していきたいと思います。

この記事でセンチメント分析の概要や活用事例を知ることができますよー!

バンクエラの東京ミートアップについてはバンクエラミートアップ参戦レポート!そこで見えた課題と強みとはで内容を公開していますので気になる方はどうぞ!

バンクエラについて知らないという方はバンクエラ【BANKERA】の仮想通貨BNKや取引所について解説で詳しく解説していますので、これを読めばバンクエラを総体的に把握することができます!

センチメント分析とは

センチメント分析とは主にインターネット上のテキストデータを抽出して分析することで、市場価格や株価の予測に活用される分析方法のことを指します。

難しいことはさておき市場価格は基本的に需要と供給で決まりますが、これはビットコインなどの仮想通貨でも同じことが言えます。

例えばビットコインは発行上限が約2100万枚と供給が決まっていますよね?

ビットコインが欲しい人が増えれば増えるほど価格は上昇しますが、「やっぱり売りたい!」という人が増えれば増えるほど価格は下がります。

ここで、買いたい人と売りたい人の数がどちらが多いか知れたら今後の価格が予測できて便利ですよね!?

そこでセンチメント分析です!

インターネット上のテキストデータからビットコインに対するポジティブワードとネガティブワードや文脈を抽出して分析すれば市場心理がある程度わかります。

ここでいうネガティブ・ポジティブワードとは以下のようなものです。(文脈含む)

  • ポジティブワード:「ビットコインは上昇する!」「ビットコインETFをSECが認証した。」「ビットコイン最高!」などなど。
  • ネガティブワード:「ビットコインは下落する。」「ビットコインは詐欺だ!」「ビットコイン?まだやってんの?」などなど。

このようなテキストデータをインターネットから抽出して分析し、例えばポジティブワードが多ければビットコインの価格が上昇する1つの要因となり、投資判断の指標に使えます。

テキストソースはSNS(Twitter)などが一般的で政治家などが政策を発表後、国民の反応を理解する上でもセンチメント分析は利用されているようです。

センチメントディクショナリーとAI

このセンチメント分析にはAI機械学習や深層学習)やビッグデータなどのテクノロジーを活用するのが一般的ですが、バンクエラのホワイトペーパーにもそのような記述があります。

※ここからは機械学習・深層学習を総称してAIと記述します。

バンクエラはのちの段階で個人及び法人向けの投資ソリューションの提供も開始します。
個人向けには低コストの上場投資信託の提供から始め、のちにトレーディング、アドバイサリー、仲買業務、カストディー、ウェルスマネジメント等のサービスを追加していきます。

アドバイザリーやウェルスマネジメントのソリューションなど、ほとんどのサービスは、最先端の人工知能(AI)技術を用いて開発されます。

引用:https://bankera.com/index.html

バンクエラがどのようにAIを活用するかは分かりませんが、センチメント分析には主に2つのAIを活用します。

1つはSNSから指数化に必要なテキストを抽出するAIである抽出AI

もう1つは抽出されたテキストを評価する評価AIです。

センチメント分析における抽出AIの役割

センチメント分析抽出

抽出AIは抽出したいデータ(テキスト正解データ)を大量に用意し、その正解データから類似したテキストを抽出してきます。

例えば正解データに抽出したいワード(ビットコイン,高騰,下落など)を設定しておきます。

抽出AIは膨大にあるSNSテキストデータから、正解データと擦り合わせてテキストを抽出していきます。

これが抽出AIの役割です。

センチメント分析における評価AIの役割

センチメント分析評価

評価AIは抽出AIが抽出したテキストデータをポジティブかネガティブなのかを評価します。

どのように評価するかというとまず評価極性辞書センチメントディクショナリー)というものを作成します。

これはポジティブ・ネガティブの単語(タグ)のようなものですが、抽出したテキストデータとこの評価極性辞書を比較してポジティブ・ネガティブのどちらが傾向として強いかを分析し数値化できます。

開発当初は単語のみの比較でポジティブとネガティブ両方の意味を持つ単語に対して対応できなかったのですが、現在はAI(ディープラーニング)の進化により、文脈からもポジティブとネガティブの判断ができるようになりました。

以下評価極性辞書例

ポジティブ 誠実,安寧,親切,中立,名手,英雄,第一人者,幸せ
ネガティブ 弱気,鬱
ポジティブ 合格者,快晴
ネガティブ ガン

SNS×AIによる景況感指数分析

ここでセンチメント分析の事例として野村證券のSNS×AIによる景況感指数センチメント分析を見てみましょう!

景況感指数とは景気に関する総合的な指標で高ければ景気はよく消費意欲も旺盛で低ければ景気は悪く消費活動は控え気味となります。

SNS(Twitter)から景気に関係するTweetを抽出AIが抽出し、Tweetをセンチメント評価モデルで数値化します。

比較として景気ウォッチャー調査DI(アンケート調査)と比較されています。

野村証券センチメント分析事例

出典:野村證券金融工学研究センター クオンツ・ソリューション・リサーチ部 【データサイエンスと新しい金融工学】

比べて見ると、多少の乖離はあるもののグラフは概ね追従し、両者は高い相関性があるように思えますよね。

SNSから抽出した情報を活用したセンチメント分析の信憑性が高いことが分かりましたね!

バンクエラのセンチメント分析について

バンクエラ

バンクエラのミートアップで発表された内容から察するに仮想通貨投資にセンチメント分析を活用することが予想されます。

仮想通貨領域での投資ソリューションはまだ確立されていない市場なので話題性ありますよね。

ただ多くの開発者やアナリストを必要とする事業なので人材確保がネックになってきそうです!

ということでセンチメント分析について解説しました。

バンクエラのセンチメント分析に期待です!

see you next time.

Source of photo:https://bankera.com/


記事にBitcoinを投げ銭する!
%d人のブロガーが「いいね」をつけました。