在加密货币市场中，有这样一个既有的观点指出这个市场更容易受到来自新闻和社交媒体的舆论影响。就像任何其他新兴且非理性的金融市场一样，新闻或者社交媒体中表达出有的预期之外事件将影响到金融产品的价格。

因此，人们更加寄希望于通过使用诸如情绪分析（Sentiment Analysis）等机器学习的方式来监测市场情绪与加密货币和数字代币之间有可能不存在的联系。尽管这种方式很最重要，但人们使用的大多数情绪分析的方法都过于直白了，以至于这些分析很难构成有实践中意义的结论，甚至经常构成具备误导性的结论。如何有效地的通过情绪分析来评估一项资产未来的价格走势是具备挑战性的，而这项挑战也并非是在加密领域中所独特的。

在大多数情况下，通过文本情绪来产生有价值的洞见是一项十分艰难的任务，这必须中用自然语言处置 （NLP） 模型对特定金融领域展开优化。大型分析对冲基金公司聘用大量机器学习领域的专家来训练 NLP 模型以用作特定任务，比如说对收益报告展开分析，其目的在于需要让他们在一项中频交易（medium frequency trade）中取得优势。

对加密资产展开有效地的情绪分析拒绝机器学习是有深度的和严密性的。为更进一步阐释上述观点，我们不妨从对情绪分析的特点开始，渐进式地加剧对情绪分析的理解。

浅谈情绪分析在知名历史剧《黎塞留》的第二幕的第二场中，英国剧作家爱德华·布尔沃-李顿写了经典名句：“文字的力量败于武力（The pen is mightier than the sword）”。苍海沉浮，几经百年，用这一经典名句来总结情绪分析的重要性或许再行合理不过。

相比于肢体语言，有时感情于字里行间中更加能影响人们的不道德。仅有从概念上来看，情绪分析从归属于 NLP ，它更加专心于辨识文本交流中不存在的情绪状态。

不同于一般观点，情绪分析某种程度是一门技术，它还是深度自学领域里的一个子类，用作筛选文本数据中的各类情绪因素。从这个角度来说，我们难免可以指出以下几种情绪分析与智能加密资产涉及。

· 极性分析（Polarity Analysis）：这类情绪分析将文本情绪区分为：大力、消极和中性。比如在大多数情绪分析模型中，“比特币价格的止跌企稳提高市场信心”这句话就被归类为大力类。· 情绪/语气分析（Emotion/Tone Analysis）：不同于对文本展开总体归类，这种分析方式致力于对特定语境时所呈现出的有所不同感情展开评分。情绪分析算法一般来说探讨于伤心、快乐或气愤等情绪。

例如：“比特币止损后大幅度回落”将不会被确认是情绪高涨。· 情绪面分析（Aspect Sentiment Analysis）：这种类型的情绪分析探讨于对一句话中特定主体的情绪展开理解，网卓新闻网，而并非笼统的将一句话视为一整个部分。

举例来说：在“ Bakkt 期货市场的经常出现对于比特币市场具备里程碑式的意义”这句话中，情绪面分析将不会对与“ Bakkt 期货”涉及的内容展开情绪分析，而不是对整句话展开分析。根据以上分析，我们可以确切的看见将情绪分析用作加密资产的益处。尽管如此，在对这类技术尝鲜之前，我们还应当考虑到其中不存在的风险因素。

文章内容的上下文、主观性、反语甚至是语法错误都有可能让最差的 NLP 算法过热。加密资产的情绪分析加密资产是一种新的资产类别，这种资产现在依旧受到金融市场的非理性因素影响，同时它也缺少有效地的信息透露渠道。从这个观点来看，指出像情绪分析等 NLP 技术需要辨识 alpha 或聪慧 beta（smart beta）因子以预测加密资产的不道德变化情况的这种观点意味着是合乎逻辑的，但与现实情况有所差异。

（CoinDesk 中文版录：alpha 所指的是资产取得的超额收益，而 beta 所指的是一种评估证券系统性风险的工具，借以度量一种证券或一个投资证券人组比较总体市场的波动性。）当把情绪分析技术应用于加密资产时，我们可能会主要遇上两种类型的挑战：1、将主流 NLP 技术应用于特定领域（如加密资产分析）时面对的挑战2、错误的解读了新闻和社交媒体中所体现出来的现实情绪含义第一个挑战完全可以被视作是较慢发展的 NLP 技术的一个预期外的副作用。

如今，对于开发人员来说通过调取非常简单的应用程序编程模块 (API) 从而将情绪分析技术应用于实践中是比较更容易的，在这一过程中，API 调用者不必须不具备任何有关深度自学的专业技能。尽管通过调用 NLP 的 API 需要对一个普通句子的情绪展开有效地分析，但是当企图从一句特定语句中推断出特定领域的涉及信息时，这些 API 的展现出是非常差劲的。比如说，分析“比特币 ETF 有可能将要获批”这句话，必须 NLP 模型对特定市场下的专业术语的语义十分通晓，并且能从十分微观的层面，而并非仅有从整句话中，对语境中的情绪展开推测。

第二个挑战来自于对新闻和社交媒体评论中所对系统出有情绪的错误辨识。作为信息的一个来源，新闻所包括的信息是非常非常丰富的但是在展开情绪分析是也可以说道是非常多余。

其直观的原因是：好的新闻中所包括的情绪应当是中立的。社交媒体的内容表现形式则相反忽略。推特（Twitter）或者电报（Telegram） 中关于加密货币的观点一般来说不会包括一些情绪，但就大多数情况而言，这些评论都是基于对一些公众广泛担忧的根本性信息的情绪对系统，这就意味著这些情绪里面并没包括有价值的信息。

除此以外，来自社交媒体的评论往往是喧闹和比较主观的，这有可能将不会误导情绪分析的结果。从显技术的角度来说，为加密资产搭起有效地的情绪分析模型必须对模型展开加密市场专业术语的训练，同时也必须将新闻作为信息来源和社交媒体作为情绪放大器展开分析。

然而，当我们将情绪分析模型应用于加密资产领域时，我们目前面临的仅次于的心理误区之一就是我们否解决了这项技术挑战。市场与情绪影响的谬论市场情绪影响谬论叙述的是一种很差的或者是非理性的情形，比如说在新兴的金融市场领域，投资者们指出情绪分数和金融资产的价格变动之间有必要的相关性。为了阐释这样一种动态不道德经济学，我们假设你正在用于分析工具对最近推特上关于比特币的情绪展开分析。

从心理上来说，大多数投资者偏向于将市场情绪理解为领先指标：· 如果市场情绪是大力的，那么就意味著寄予厚望后市· 如果市场情绪是消极的，那么就意味著看空后市但是，当你的模型用作分析公开发表的根本性信息时，以下非直觉的情绪分析应当作为迟缓指标：· 如果市场情绪回应悲观，但是市场价格未下降，这意味著熊市的到来· 如果市场情绪回应乐观，但是市场价格未上升，这意味著牛市的到来当意识到情绪—价格关系的非一致性时，这使得情绪分析仍然被视为市场领有指标，而是当成交易策略中的一种涉及因子展开分析。从情绪分析到市场影响分析从信息的角度来看，加密资产市场是简单且充满著不确认因素的。就情绪分析而言，多种因素夹杂其中对当前的分析模型而言是一个噩梦。

我们也许应当研发一种更加全面的分析方法，而并非意味着专心于市场情绪分析。情绪与市场的影响指标在长年来看，是集极性（消极、大力、中立）分析、情绪（忧虑的、激动的、哀伤的等）分析以及基于情绪面（主题、主体等）分析于一体的。这个方法拒绝训练模型精通于加密资产的动态变化，从而在特定市场环境下对市场情绪展开分析。

情绪与市场的影响模型这一观点在概念上远比尤其：分析情绪、情绪和话题人组在特定市场条件下对加密资产的影响。这一方法的部分优点在于它并不像目前大多数情绪分析模型一样是受监督的；它需要通过训练取得加密市场特定领域的科学知识。比如说，我们可以通过训练让模型了解到对中国在加密资产市场投资展开悲观的报导有可能给上周正处于比较熊市的市场带给大力的影响。

情绪与市场的影响分析模型的核心原则就是将情绪分析模型对特定加密市场的分析置放特定的语境之中。在加密资产市场领域，情绪分析有可能仍将是人们热衷谈论的头条话题。然而，为了让其行之有效，这些模型必须更加了解的强化机器学习的严密性以及减少基于特定动态加密资产市场之上的科学知识储备。

随着市场的发展，我们可能会看到情绪分析技术由非常简单的线性分析改变为通过对加密资产市场领域特定话题的有效地分析从而构成对市场的全面分析。Jesus Rodriguez（耶稣·罗德里格斯）是区块链智能基础设施平台 IntoTheBlock 的首席技术官和牵头创始人，同时也是 Invector 实验室的首席科学家。同时，他是加密货币和人工智能领域的活跃投资者、演讲者和写作者。

本文来源：华体会体育-www.wjinrong.com