This paper investigates the impact of an Elon Musk tweet on Dogecoin. It’s remarkable to observe such a contrast between tweets and Dogecoin investment in the investigated time frame. Regular tweeting about Dogecoin attracted some attention to the cryptocurrency; however, its value is still below 1 USD. The results show that a hashtag’s overall attitude doesn’t have the instant impact the media wants to describe, but it’s still noticeable.
Inhaltsverzeichnis
- 1 Introduction
- 1.1 Dogecoin
- 1.1.1 Sentiment Analysis
- 1.1 Dogecoin
- 2 Method
- 3 Lexicon based approach
- 4 Machine Learning approach
- 5 Hybrid Learning method
- 6 Results and Analysis
Zielsetzung und Themenschwerpunkte
Diese Arbeit untersucht den Einfluss von Elon Musks Tweets auf den Wert der Kryptowährung Dogecoin. Die Hauptziele sind die Bestimmung der Polarität von Tweets über Dogecoin und Elon Musk sowie die Bewertung des Einflusses dieser Tweets auf den Dogecoin-Kurs.
- Sentimentanalyse von Tweets über Dogecoin
- Einfluss von Elon Musks Tweets auf den Dogecoin-Kurs
- Vergleich verschiedener Methoden der Sentimentanalyse (Lexikon-basiert, Machine Learning, Hybrid)
- Analyse der Beziehung zwischen öffentlicher Meinung und Investitionsverhalten
- Bewertung der Rolle von Social Media im Kryptowährungsmarkt
Zusammenfassung der Kapitel
1 Introduction: Dieses Kapitel führt in die Thematik ein und beleuchtet den Kontext der zunehmenden Digitalisierung, des Online-Handels und des Aufstiegs digitaler Währungen. Es wird die Bedeutung von Social Media Plattformen als Meinungsbildner hervorgehoben und die Forschungsfrage nach dem Einfluss von Elon Musks Tweets auf Dogecoin formuliert. Die Arbeit beschreibt die angewandte Methodik (Lexikon-basierte Sentimentanalyse) und gibt einen Überblick über die Struktur der Arbeit. Der Abschnitt 1.1 bietet eine Einführung in Dogecoin, seine technischen Grundlagen und die Rolle von Elon Musk in der Popularisierung der Kryptowährung. Abschnitt 1.1.1 erläutert die Sentimentanalyse als Kernmethode der Untersuchung.
2 Method: Dieses Kapitel beschreibt die verschiedenen Methoden der Sentimentanalyse, die für die Untersuchung in Frage kommen: Machine Learning, lexikonbasierte Ansätze und hybride Methoden. Es wird auf die jeweiligen Vor- und Nachteile eingegangen und die Wahl der lexikonbasierten Methode für die vorliegende Studie begründet. Die Auswahl dieser Methode wird im Kontext der Forschungsfrage und der verfügbaren Daten erklärt und gerechtfertigt.
3 Lexicon based approach: Dieser Abschnitt beschreibt detailliert den lexikonbasierten Ansatz der Sentimentanalyse. Er erklärt, wie ein Lexikon mit positiven, negativen und neutralen Wörtern erstellt und angewendet wird, um die Stimmung in Texten zu bestimmen. Die Stärken und Schwächen dieser Methode werden diskutiert, einschließlich der Herausforderungen, die durch Kontext und Ambiguität der Sprache entstehen können. Es wird erläutert, wie das Lexikon erweitert und verfeinert werden kann.
4 Machine Learning approach: Dieses Kapitel erläutert den Machine Learning Ansatz zur Sentimentanalyse. Es wird zwischen überwachtem und unüberwachtem Lernen unterschieden, und es werden verschiedene Algorithmen und ihre Anwendung in diesem Kontext beschrieben. Die Vor- und Nachteile dieses Ansatzes im Vergleich zum lexikonbasierten Ansatz werden diskutiert, sowie die Notwendigkeit von Trainingsdaten und die Herausforderungen bei der Implementierung.
5 Hybrid Learning method: Dieser Abschnitt beschreibt den hybriden Ansatz, der die Vorteile der lexikonbasierten und der Machine-Learning-Methoden kombiniert. Der Prozess der Datenerfassung, -vorbereitung und -klassifizierung wird erläutert. Die Methode zur Bestimmung der Gesamtpolarität wird detailliert dargestellt, einschließlich der Behandlung von Mehrdeutigkeiten und der Bestimmung einer Konsens-Polarität aus den einzelnen Wortpolaritäten. Die Vorteile der Kombination beider Ansätze werden diskutiert.
6 Results and Analysis: Dieses Kapitel präsentiert die Ergebnisse der Sentimentanalyse von Tweets über Dogecoin und Elon Musk. Es wird die verwendete Software (R, Orange, Syuzhet Package) erläutert und die Ergebnisse der Analyse in Bezug auf die Gesamtpolarität und den zeitlichen Verlauf dargestellt. Die Ergebnisse werden im Kontext der Dogecoin-Kursentwicklung diskutiert, wobei ein besonderer Fokus auf die Diskrepanz zwischen der öffentlichen Stimmung und dem tatsächlichen Investitionsverhalten gelegt wird. Die gewonnenen Erkenntnisse werden interpretiert und eingeordnet.
Schlüsselwörter
Dogecoin, Elon Musk, Sentimentanalyse, Kryptowährung, Social Media, Text Mining, Lexikon-basierter Ansatz, Machine Learning, Hybrid-Ansatz, Twitter, Kursentwicklung, öffentliche Meinung, Investitionsverhalten.
Häufig gestellte Fragen (FAQ) zur Arbeit: Einfluss von Elon Musks Tweets auf den Dogecoin-Kurs
Was ist das Thema der Arbeit?
Die Arbeit untersucht den Einfluss der Tweets von Elon Musk auf den Kurs der Kryptowährung Dogecoin. Sie analysiert die Polarität von Tweets über Dogecoin und Elon Musk und bewertet deren Einfluss auf den Dogecoin-Kurs.
Welche Methoden werden zur Sentimentanalyse verwendet?
Die Arbeit vergleicht drei Methoden der Sentimentanalyse: einen lexikonbasierten Ansatz, einen Machine-Learning-Ansatz und einen hybriden Ansatz, der beide Methoden kombiniert. Die Wahl der lexikonbasierten Methode für die Hauptanalyse wird detailliert begründet.
Welche Ziele verfolgt die Arbeit?
Die Hauptziele sind die Bestimmung der Polarität von Tweets über Dogecoin und Elon Musk, die Bewertung des Einflusses dieser Tweets auf den Dogecoin-Kurs und der Vergleich verschiedener Sentimentanalysemethoden. Zusätzlich wird die Beziehung zwischen öffentlicher Meinung und Investitionsverhalten sowie die Rolle von Social Media im Kryptowährungsmarkt analysiert.
Wie ist die Arbeit strukturiert?
Die Arbeit gliedert sich in sechs Kapitel: Einleitung (mit Einführung in Dogecoin und Sentimentanalyse), Methodenbeschreibung (mit Vergleich verschiedener Ansätze), detaillierte Beschreibung des lexikonbasierten, des Machine-Learning und des hybriden Ansatzes, sowie Präsentation und Analyse der Ergebnisse im Kontext der Dogecoin-Kursentwicklung.
Welche Ergebnisse werden präsentiert?
Kapitel 6 präsentiert die Ergebnisse der Sentimentanalyse, die mit der Software R (Syuzhet Package) und Orange durchgeführt wurde. Die Ergebnisse zur Gesamtpolarität und deren zeitlicher Verlauf werden dargestellt und im Kontext der Dogecoin-Kursentwicklung und der Diskrepanz zwischen öffentlicher Stimmung und Investitionsverhalten diskutiert.
Welche Software wurde verwendet?
Die Arbeit verwendet R (mit dem Syuzhet Package) und Orange für die Sentimentanalyse.
Welche Schlüsselwörter beschreiben die Arbeit?
Dogecoin, Elon Musk, Sentimentanalyse, Kryptowährung, Social Media, Text Mining, Lexikon-basierter Ansatz, Machine Learning, Hybrid-Ansatz, Twitter, Kursentwicklung, öffentliche Meinung, Investitionsverhalten.
Was wird im Kapitel zur Einleitung beschrieben?
Die Einleitung führt in die Thematik ein, beleuchtet den Kontext der Digitalisierung und des Aufstiegs digitaler Währungen, hebt die Bedeutung von Social Media als Meinungsbildner hervor und formuliert die Forschungsfrage. Sie beschreibt die Methodik und gibt einen Überblick über die Struktur der Arbeit. Ein Abschnitt widmet sich der Einführung in Dogecoin und die Rolle von Elon Musk, ein weiterer der Sentimentanalyse.
Was wird im Kapitel zu den Methoden beschrieben?
Dieses Kapitel beschreibt die verschiedenen Methoden der Sentimentanalyse (Machine Learning, lexikonbasierte Ansätze, hybride Methoden), deren Vor- und Nachteile, und begründet die Wahl der lexikonbasierten Methode für die Studie.
Was wird im Kapitel zum lexikonbasierten Ansatz beschrieben?
Dieser Abschnitt beschreibt detailliert den lexikonbasierten Ansatz, die Erstellung und Anwendung des Lexikons, die Stärken und Schwächen der Methode, sowie die Herausforderungen durch Kontext und Ambiguität.
Was wird im Kapitel zum Machine-Learning-Ansatz beschrieben?
Dieses Kapitel erläutert den Machine-Learning-Ansatz, unterscheidet zwischen überwachtem und unüberwachtem Lernen, beschreibt verschiedene Algorithmen und diskutiert Vor- und Nachteile im Vergleich zum lexikonbasierten Ansatz.
Was wird im Kapitel zum hybriden Lernansatz beschrieben?
Dieser Abschnitt beschreibt den hybriden Ansatz, der die Vorteile der lexikonbasierten und Machine-Learning-Methoden kombiniert. Der Prozess der Datenerfassung, -vorbereitung und -klassifizierung, sowie die Methode zur Bestimmung der Gesamtpolarität werden detailliert dargestellt.
Was wird im Kapitel zu den Ergebnissen und Analysen beschrieben?
Dieses Kapitel präsentiert die Ergebnisse der Sentimentanalyse, erläutert die verwendete Software und stellt die Ergebnisse in Bezug auf Gesamtpolarität und zeitlichen Verlauf dar. Die Ergebnisse werden im Kontext der Dogecoin-Kursentwicklung und des Investitionsverhaltens diskutiert.
- Citar trabajo
- Anonym (Autor), 2022, The Impact of an Elon Musk Tweet on Dogecoin, Múnich, GRIN Verlag, https://www.grin.com/document/1352341
