本文使用时间序列分析来研究比特币价格与基本经济变量，技术因素以及从Twitter提要获得的集体情绪的度量之间的关系。 通过使用最新的机器学习算法，即支持向量机（SVM），每天进行情感分析。 一系列短期回归显示，Twitter的情绪比率与比特币价格成正相关。 短期分析还显示，维基百科搜索查询的数量（显示公众对比特币的兴趣程度）和哈希率（衡量采矿难度）对比特币的价格产生积极影响。 相反，比特币的价值受到美元与欧元之间汇率（代表价格的一般水平）的负面影响。 向量误差校正模型用于研究协整变量之间长期关系的存在。 这种长期分析显示，比特币价格与流通中的比特币数量呈正相关（代表货币供应总量），而与标准普尔500股市指数则呈负相关（表明货币的总体状态）。全球经济）。