Coin-Trends: CryptoCurrency Analysis with Python

Abstract

최근 비트코인, 이더리움 등이 급등하며 가상화폐 시장이 뜨겁다. 주식의 경우 해당 기업의 매출 등 재무제표를 통한 기본적 분석으로 기업의 내재가치를 평가한다면, 가상화폐의 가치는 무엇으로, 어떻게 평가할 수 있을까?

본 발표에서는 가상화폐에 대한 기술적 분석과 더불어 텍스트마이닝(뉴스, 커뮤니티)을 통한 심리분석, 오픈소스 분석을 통한 가치 평가로 트렌드를 추정하고 나아가 머신러닝을 활용한 포트폴리오 구성과 백테스팅까지 파이썬으로 개발한 경험에 대해 다룬다.

Detailed description

{CryptoCurrency, 가상화폐, 암호화폐}(이하 코인) 는 블록체인, 암호학 기술에 근거하여 발행, 거래되는 통화이다. 보통 거래소에서 거래되는 코인의 경우 누구나 거래에 참여할 수 있는 Public Blockchain 이며, 그 중 대부분은 Github 등에서 오픈소스로서 공개적으로 개발되어간다.

주식시장에서 경제학자들이 경제학에 기반하여 주식, 회사의 가치를 평가하며 부를 축적했다면 코인시장은 컴퓨터공학자, 암호학자, 개발자들이 코인을 분석하고, 개발하며, 가치를 평가, 창조해 나갈 수 있는 매력적인 시장이라고 볼 수 있다.

본 발표에서는 파이썬으로 코인의 가치 평가 시스템을 개발한 경험에 대해 다루며 자세하게는 기술적 분석, 텍스트마이닝을 통한 심리분석, 오픈소스 분석을 통한 가치 평가, 시스템 트레이딩을 위한 포트폴리오 구성과 백테스팅에 대한 내용을 포함한다.

발표를 듣기 위해 어떤 사전 지식이 필요한가요?

• 파이썬의 기본 문법, 패키지 활용 능력
• 주식 or 코인 시장의 거래 구조에 대한 기초적인 이해
• 머신러닝, 데이터 분석에 대한 기초적인 이해와 경험

청중이 이 발표를 듣고 얻게 되는 것은 무엇인가요?

• 개발자스럽고, 개발자답게 코인의 가치를 평가하는 접근방법
• 파이썬을 통한 웹 크롤링, 텍스트마이닝, 머신러닝, 최적화, 백테스팅을 아우르는 Case Study

Research Concept PPT

목차

• Background [ 가상화폐 시장 및 블록체인 개념에 대한 간략한 설명 ] (5분)

  • 블록체인 개념
    • 비트코인[BTC]
    • 라이트코인[LTC]
    • 이더리움[ETH]
    • 리플[XRP]
  • 주식 시장과의 차이점
  • 가상화폐 시장의 특징

• 기술적 분석 (7분)

  • API를 통한 시세, 거래 데이터 가져오기

    • 코인 거래소 소개(제공 API 관점)
      • 해외
        • Poloniex
        • Bitfinex
        • Kraken
      • 국내
        • 빗썸
        • 코인원
        • 코빗

  • 거래소, 국가별 시세 차익 분석(arbitrage)

  • 자금 이동 및 추세 분석

    • Price
    • Volume
    • Transaction
    • Momentum

• 심리적 분석 [텍스트마이닝, 빈도분석, 오피니언마이닝] (10분)

  • 제한

    • only English

  • 웹 크롤링

    • 대상

      • 코인 리스트
      • 코인 전문 뉴스
      • 코인 전문 블로그, 공식 블로그
      • 코인 관련 커뮤니티
      • 코인 관련 채팅

    • RSS 기반 크롤링

    • WebSocket, WAMP 기반 크롤링

      • autobahn-python

    • 크롤링 대상 수집

      • 뉴스, RSS feed 리스트

    • 스케줄링 및 자동화

  • 텍스트 전처리

    • 본문, 제목, 날짜 추출
    • 코인에 대한 동의어 처리
    • 형태소 분석, Stemming
    • NLTK

  • 텍스트마이닝

    • NER, CRF
    • 키워드 추출

  • 빈도 분석

    • 코인 언급량 변화 추이 분석

  • 오피니언마이닝

    • 뉴스 등 글에 대한 긍부정 감정분석
    • 긍부정 사전 구축
      • SentiWordNet
    • 태깅 및 학습
    • 호재, 악재 판단 및 정확도 검증

  • Word2Vec, Doc2vec, Gensim

• 오픈소스 분석 (7분)

  • 코인별 Github Repository 들의 Activity 활성도 분석

    • Commits
    • Issues
    • Pull requests
    • Contributors
    • Wiki

  • 소스코드 레벨 분석

    • 정적 분석(Static Analysis)
    • 잠재적 취약점 분석
    • 코드 퀄리티 분석

  • 텍스트 레벨 분석

    • commit message
    • comments
    • Improvement Proposals

  • 블록체인 분석 접근

    • Bitcoin: over 100GB
    • Ethereum: over 30GB

• 시스템 트레이딩으로 가기까지 (7분)

  • 시그널 발생, 포트폴리오 구성

    • 머신러닝적 접근
      • Collaborative Filtering, Minhash
      • RNN, LSTM

  • 백테스팅(Backtesting)

    • 수익률, 정확도 추정, 평가
    • zipline

• 결론 (4분)

Reference

• Garcia, D., & Schweitzer, F. (2015, June 4). Social signals and algorithmic trading of Bitcoin. arXiv.org. http://doi.org/10.1098/rsos.150288
• Kaminski, J. (2014, June 30). Nowcasting the Bitcoin Market with Twitter Signals. arXiv.org.
• Matta, M., Lunesu, I., & Marchesi, M. (2015). Bitcoin Spread Prediction Using Social And Web Search Media . UMAP Workshops.
• finector report