Factor augmentation for cryptocurrency return forecasting

• Yebin Yeom (Department of Statistics, Sungkyunkwan University)
• Yoojin Han (Department of Economics, Sungkyunkwan University )
• Jaehyun Lee (Department of Mathematics, Sungkyunkwan University)
• Seryeong Park (Department of Statistics, Sungkyunkwan University)
• Jungwoo Lee (Department of Statistics, Sungkyunkwan University)
• Changryong Baek (Corresponding author: Department of Statistics, Sungkyunkwan University)

In this study, we propose factor augmentation to improve forecasting power of cryptocurrency return. We consider financial and economic variables as well as psychological aspect for possible factors. To be more specific, financial and economic factors are obtained by applying principal factor analysis. Psychological factor is summarized by news sentiment analysis. We also visualize such factors through impulse response analysis. In the modeling perspective, we consider ARIMAX as the classical model, and random forest and deep learning to accommodate nonlinear features. As a result, we show that factor augmentation reduces prediction error and the GRU performed the best amongst all models considered.

---

암호화폐 수익률 예측력 향상을 위한 요인 강화

• 염예빈(성균관대학교 통계학과)
• 한유진(성균관대학교 경제학과)
• 이재현(성균관대학교 수학과)
• 박세령(성균관대학교 통계학과)
• 이정우(성균관대학교 통계학과)
• 백창룡(교신 저자 : 성균관대학교 통계학과)

본 연구는 외부 요인을 모형에 강화시켜 암호화폐 수익률 예측력을 향상시키는 방법에 대해서 다루고 있다. 고려한 요인으로는 크게 나누어 금융 경제적 요인 및 심리적 요인을 고려하였다. 먼저 금융 경제적 요 인을 반용하기 위해서 주성분 요인을 사용하여 수 많은 변수를 차원축소를 통해서 모형에 반영하였다. 또한 심리적 요인을 위해서는 뉴스 기사 데이터를 활용하여 산출해낸 감성지수를 활용하였다. 이러한 요인들은 충 격반응함수 분석을 통해서 요인들의 의미와 영향력을 시각화하였다. 또한 전통적인 ARIMAX 뿐 만 아니라 랜덤포레스트 및 딥러닝 모형을 활용하여 비선형성을 반영하였다. 그 결과 요인 강화가 암호화폐 수익률 예측 력을 향상시킴을 실증분석을 통해 밝혔으며 그 중에서 딥러닝 모형인 GRU가 가장 좋은 예측 성능을 보임을 관찰하였다.