|
|
ข้อมูลการเผยแพร่ผลงาน
|
| ชื่อบทความ |
Topic Modeling on Crowd Trading Ideas for Digital Asset Price Prediction |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
5 มกราคม 2566 |
| วารสาร |
| ชื่อวารสาร |
International Journal of Applied Engineering & Technology |
| มาตรฐานของวารสาร |
SCOPUS |
| หน่วยงานเจ้าของวารสาร |
Roman Science Publications |
| ISBN/ISSN |
ISSN: 2633-4828 |
| ปีที่ |
|
| ฉบับที่ |
5 |
| เดือน |
January |
| ปี พ.ศ. ที่พิมพ์ |
2566 |
| หน้า |
6-12 |
| บทคัดย่อ |
Tradingview is the most widely recognized
social network platform for stock and digital asset
trading, which a number of investors access to share
their thoughts on investments each day. The present
study sought to analyze contents published in the “Ideas”
forum on Tradingview from November 2021 – October
2022 using topic modeling through Latent Dirichlet
Allocation (LDA). The results demonstrated that 9,553
texts drawn from Tradingview’s Ideas were classified
into six topics about digital asset trading. Based on the
hypothesis and the prediction, it was found that the most
shared idea, particularly 3,354 texts, concerning trading
strategy and risk/profit, followed by 3,101 about trend
line, high/low price pattern, and support/resistance. The
number of texts on both topics accounted for 67.56%. It
can be implied that investments in digital assets require
good strategies, risk management, analysis of price
trends, and knowledge of support and resistance.
Identifying significant words and topics using LDA
uncovers a larger number of words latent in the texts
than hypothesiz. |
| คำสำคัญ |
digital assets, crowd idea user, topic modeling; Latent Dirichlet Allocation, digital trading, trading ideas |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
นานาชาติ |
| citation |
ไม่มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
|
|
|
|
|
|
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English