与传统货币相比，比特币是货币还是商品？这个数据分析给你答案

什么是比特币作为数字加密货币？ 是更接近商品属性还是传统货币？ 数据人Mark Schott通过大数据分析了比特币价格的波动性。 他发现比特币的波动性很大，在宏观货币经济中扮演着独特的角色，每日收入更像是一种基本商品。

商品比特币

这个大数据应用是比特币价格波动的数据分析。 与传统货币相比，加密货币在宏观货币经济中发挥着独特的作用。

我使用线性回归和分布拟合来描述比特币的走势，并介绍未来使用信号处理（signaling）技术进一步分析比特币的可能性。

本文将证实比特币的高波动性特征，并证明比特币的行为更像是一种商品而不是一种货币。

在我的研究中，我使用 Scrapy 从比特币数据网站获取数据来分析项目。 具体来说比特币为什么不是货币论文，我爬取了 61 篇与比特币相关的新闻文章，每篇涵盖价格变动前后 10 天比特币为什么不是货币论文，以及比特币完整的每日交易价格历史记录。 这些事件包括比特币交易所Mt.Gox被黑客攻击、中国央行限制比特币等。

（图片说明：左上角是比特币5月1日的历史价格，红点对应网站爬取的61篇新闻文章。其他三张图片是这张图片细节的放大版，是波动率交易期间，高短期数据。

我决定使用 R 的 Ryuzhet 包（

我首先从文本中提取了相应的情感因素，发现积极和更信任的态度显着增加。 在这种小样本分析中，情感分析NLP（Natural Semantic Processing）分析方法似乎更为有效。

（图片说明：61篇新闻报道中不同情绪因素的变化）

上图是我翻阅 61 篇新闻报道时各种情绪因素的变化。 横轴值随时间增加。 稳定的增长趋势表明积极和信任情绪的增加。

（图片说明：信任信任情绪的线性回归分析）

上图是对第二组数字中信任度对应的图表进行线性回归分析。 拟合曲线的相关系数为 p 值 0.018、R^2 值 0.091 和斜率 0.0122。

为了进一步研究比特币的表现，我决定绘制其每日收益的直方图。 图中有一个清晰的分布模式，但我不确定是哪一个。 后来发现相对来说更符合柯西分布的特点。 这可能是因为柯西分布更好地描述了与比特币相关的极端事件的尾部行为。 与传统货币相比，柯西分布对比特币没有明确的均值或方差，这也符合比特币的高波动性。

我使用统计库 scipy.stats 拟合分布，所以我没有测试特定拟合参数的质量，但我计划在未来使用 scipy.odr 模型。

上面是柯西分布的方程式，这似乎与比特币的日收益一致。 这种分布没有明确的均值或方差，这也表明比特币每日收益的高波动性。

上图是比特币每日收入的归一化直方图 ( )。 绿色曲线呈柯西分布，与直方图拟合较好，而红色曲线呈正态分布，拟合较差。

以上是商品铜和棉花的分布图。 虽然远非完美，但两者的每日回报似乎更符合柯西分布而不是正态分布。 也许这也表明比特币的行为更像是一种商品，而不是一种货币。