Jak se to počítá
Čtyři kroky od článku k číslu na úvodní stránce.
Stručně
Crypto Attention sleduje tón kryptozpráv: čte RSS feedy kryptodomén, zpravodajských agentur a blogů projektů a aktualizuje se během celého dne.
Příběh je soubor článků z různých domén o téže zprávě; Crypto Attention je seskupuje automaticky a příběhy třídí do témat.
Index tónu je číslo od 0 do 100 za dané období, obvykle posledních 24 hodin: 50 + 50 × (pozitivní − negativní) / (pozitivní + negativní), kde pozitivní a negativní jsou podíly článků, které tak ohodnotil jazykový model; neutrální články se nezapočítávají.
50 znamená, že pozitivní a negativní pokrytí je v rovnováze, nad 55 se pokrytí přiklání k pozitivnímu a pod 45 k negativnímu; obvyklá úroveň je průměrný denní index za posledních 30 úplných dní.
Index popisuje, jak tisk píše, ne co se stane s cenami; nejde o investiční poradenství.
Domény
RSS feedy kryptodomén, zpravodajských agentur, redakcí a blogů projektů, většinou v angličtině. Úvodní stránka uvádí, kolik domén dnes čte. Každý feed se stahuje podle vlastního plánu; feed, který selhává déle než den, se vypne.
Ukládáme titulek, odkaz a datum. Text článku se nikdy nepřetiskuje; odkaz vede na doménu.
Příběhy
Příběh je soubor článků z různých domén o téže zprávě. Články se seskupují automaticky podle obsahu; jedna doména, která se opakuje, nikdy příběh nevytvoří.
Příběhy se třídí do kryptotémat, vesmírů webu; na stránce vesmíru je každá dlaždice mapy jedním z jeho nejhlasitějších příběhů, velikostí odpovídající jeho pozornosti.
Krátký souhrn „Co se děje“ na stránce vesmíru píše jazykový model výhradně z titulků, počtů domén a tónu nejvíce pokrývaných příběhů vesmíru. Kontroluje se každé dvě hodiny a přepisuje se, jen když se tyto příběhy dostatečně změnily; nepřidává nic, co titulky neříkají.
Skóre pozornosti
Pozornost vyjadřuje, jak hlasitě se o příběhu ve zprávách mluví právě teď, jako číslo od 0 do 100. Měří pouze zpravodajské pokrytí: ne cenu, ne objem obchodů, ne rozruch na sociálních sítích. Podle ní jsou seřazeny příběhy v tabulce.
Vstupují do ní tři věci. Dosah: počítá se každý článek o příběhu, ale článek z významnější domény váží víc než článek z méně významné a čerstvý víc než starý; váha článku se zhruba každých 5,5 hodiny půlí. Šíření: kolik různých domén příběh přináší, protože příběh, který převzalo mnoho domén, se rozšířil, a ten, který nikdo nezopakoval, ne. Rychlost: zda pokrytí sílí, nebo slábne, podle článků za posledních 6 hodin oproti 18 hodinám před nimi.
Dosah je hlavní; šíření a rychlost jej upravují, ale nemohou jej nahradit, takže příběh zmíněný dvakrát se nikdy nejeví jako silný signál. V číslech: ln(1 + dosah) × (1 + 0,18 × šíření + 0,18 × rychlost). Šíření je přirozený logaritmus počtu domén, které příběh přinášejí; rychlost je logaritmus poměru hodinové míry článků za posledních 6 hodin a za 18 hodin před nimi (každá plus jedna), omezený mezi −0,6 a 1,2. Výsledek se umístí na škálu tak, že 4,5 odpovídá 100, a nic se nezobrazuje pod 0 ani nad 100. Sloupec Trend (roste, stabilní, slábne) ukazuje samotnou složku rychlosti.
Škála je pevná: za 100 se považuje konstantní referenční úroveň, ne nejrušnější příběh dne. Stejná aktivita tak dnes i zítra dostane stejné skóre a skóre různých dnů lze porovnávat. Konstanta je volbou kalibrace, nikoli měřením, takže i nejrušnější příběhy obvykle mají skóre pod 100.
Podíl na denní pozornosti, zobrazovaný ve feedech a v API, je jiné číslo: dosah příběhu dělený dosahem všech příběhů za posledních 24 hodin. Skóre říká, jak hlasitý příběh je; podíl říká, jakou část všeho čteného zabírá, což příběhy rozliší, když je hlasitý celý zpravodajský cyklus a vše má vysoké skóre.
Skóre popisuje, kolik tisk o příběhu píše, ne zda je zpráva dobrá, nebo špatná, a ne co se stane s cenami. Nejde o investiční poradenství.
Tón
Jazykový model označí každý anglický článek jako pozitivní, neutrální nebo negativní podle toho, jak zprávu rámuje pro trh.
Nehádá: pokud odpověď neprojde ověřením, článek zůstane neoznačený a do tónu se nezapočítá, dokud nebude znovu ohodnocen.
Index nálady
Čistý index tónu od 0 do 100 za posledních 24 hodin: 50 + 50 × (pozitivní − negativní) / (pozitivní + negativní). Neutrální články se nezapočítávají, takže 50 znamená rovnováhu pozitivních a negativních, 100, že každý ohodnocený článek se směrem je pozitivní, a 0, že je každý negativní.
Pásma: 0–24 silně negativní, 25–44 negativní, 45–55 neutrální, 56–75 pozitivní, 76–100 silně pozitivní. Porovnává se s obvyklou úrovní, průměrem denního indexu za posledních 30 úplných dní. Popisuje, jak tisk píše, ne co dělat.
Žebříček domén
Pro každou doménu bereme její kryptočlánky za posledních 30 dní, jen ty, které model zařadil pod některé z témat vesmírů, a počítáme stejný čistý index tónu: 50 + 50 × (pozitivní − negativní) / (pozitivní + negativní). Více feedů jedné domény (například rss.nytimes.com a nytimes.com) se sčítá.
Doména se do žebříčku dostane, jakmile má za dané období alespoň 50 ohodnocených článků. Dokud je sběr mladší než 30 dní a tuto hranici splňuje příliš málo domén, hranice se snižuje, nikdy však pod 20 článků; použitá hranice i skutečné období jsou vždy uvedeny pod tabulkou.
Žebříček popisuje tón článků, jak jej čte model, ne kvalitu, spolehlivost nebo zaujatost domény: doména, která píše víc o růstech a spuštěních, má vyšší skóre, a ta, která píše víc o hacích a žalobách, nižší.
Mapa světa
Při hodnocení tónu model také určí země, o kterých článek je: hlavní předmět příběhu nebo místo, kde se odehrává, nejvýše tři na článek, jako kódy ISO 3166-1. Země se neurčuje, když je zmíněna jen okrajově, když se zpráva týká trhu jako celku, EU nebo celého regionu, nebo v případě krypta, když se příběh netýká regulátora dané země, zákona, soudu nebo firmy podléhající jejím pravidlům.
Pro každou zemi počítáme stejný čistý index tónu z kryptočlánků, které model zařadil pod některé z témat vesmírů. Článek o dvou zemích se počítá pro obě. Země s méně než 10 články za dané období jsou šrafované: tam má jediný příběh příliš velkou váhu. Země se zaznamenávají ode dne spuštění mapy; starší články nebyly znovu ohodnoceny.
Území bez kódu ISO 3166 se nikdy nebarví.
Korelace s BTC
Korelace s BTC v Pro je Pearsonův koeficient mezi indexem tónu a změnou ceny BTC za zvolené období, s tónem posunutým až o den oběma směry. Ukazujeme posun, při kterém se shodují nejlépe. Při příliš malém počtu společných bodů se zobrazí „nedostatek dat“; když je |r| pod 0,2 nebo ne větší, než jaké dává náhoda u vzorku dané velikosti, zobrazí se „téměř žádná souvislost“. Popisuje minulost, není to předpověď ceny.
Denní index Crypto Attention
Jak hlasitý byl den (v UTC) pro kryptomédia, od 0 do 100. Počítáme kryptočlánky dne od panelu médií, tedy těch, která měla články alespoň ve 24 z předchozích 30 dní, přičemž každý článek je vážen publikem svého média. Nový zdroj se do panelu připojí, až když má takovou historii, takže přidávání feedů index nezvedá.
Den se porovnává s mediánem téhož panelu se stejnými vahami za předchozích 30 dní: všední den se všedními dny, sobota nebo neděle s víkendy, protože kryptomédia o víkendech píší znatelně méně. Index je 50 + 25 × log2(den ÷ medián), omezený mezi 0 a 100: 50 je obvyklý den, 75 dvakrát hlasitější, 100 čtyřikrát, 25 o polovinu tišší.
Vedle toho každé vydání uvádí tón dne (výše popsaný čistý index tónu z ohodnocených článků dne), téma dne (vesmír, jehož podíl na článcích dne nejvíce vzrostl oproti jeho podílu za předchozích 30 dní) a pět hlavních příběhů dne podle pozornosti. Vydání se publikuje po skončení dne v UTC a poté se už nikdy nemění; den, jehož data jej neunesou (příliš malý panel, výpadek sběru, příliš krátká historie), vydání nedostane. Popisuje pokrytí, ne ceny, a nejde o investiční poradenství.