sentiment-analysis

センチメント分析

ソーシャルメディア、ニュースフィード、オンチェーンデータから市場センチメントを抽出して定量化し、群衆のポジション状況や逆張りの機会を特定します。

このスキルを使用する場面

• ポジションのエントリーまたは決済前に、群衆のセンチメントを把握する
• 反転に先行する陶酔感やパニックの極端な状態を検出する
• ソーシャルメディアでの言及頻度の変化を監視し、トレンドを早期に検出する
• 特定のトークンに関するインフルエンサーの活動を追跡する
• システマティック戦略向けに複合センチメントスコアを構築する

基本概念

センチメントデータソース

ソース	データの種類	アクセス方法
Twitter/X	投稿テキスト、エンゲージメント、フォロワー数	API（有料プラン）
Reddit	サブレディットの投稿、コメント、アップボート	Reddit API
Telegram	チャンネルのメッセージ、メンバー数	Bot API またはスクレイピング
Discord	サーバーのアクティビティ、メッセージ量	Bot 統合
ニュース	見出し、記事テキスト	NewsAPI、RSS フィード
CoinGecko	コミュニティ統計、開発者の活動	無料 API
Alternative.me	Fear & Greed Index	無料 API
オンチェーン	資金調達率、取引所フロー	取引所 API

各ソースの API の詳細、レート制限、アクセスパターンについては、references/data_sources.md を参照してください。

センチメント指標

言及頻度の変化 — 時間経過に伴うトークンの言及率：

mention_velocity = mentions_last_hour / baseline_hourly_mentions
# > 3.0 = trending, > 10.0 = viral

センチメントの極性 — 肯定的なトーンと否定的なトーンの比較：

polarity = (positive_count - negative_count) / total_count
# Range: -1.0 (all negative) to +1.0 (all positive)

Fear & Greed Index — 市場心理の複合指標（0～100）：

範囲	ラベル	典型的なシグナル
0-24	極度の恐怖	蓄積ゾーンの可能性
25-44	恐怖	平均を下回るセンチメント
45-55	中立	明確な方向性の偏りなし
56-74	強欲	平均を上回るセンチメント
75-100	極度の強欲	分配ゾーンの可能性

ソーシャルボリューム — プラットフォーム全体の総言及数：

social_volume_z = (current_volume - mean_30d) / std_30d
# z > 2.0 suggests unusual activity

オンチェーンのセンチメント代理指標

オンチェーンデータからは、参加者が何を言っているかだけでなく、何をしているかが分かります。

資金調達率 — 無期限先物のキャリーコスト：

# Positive funding = longs pay shorts (bullish crowding)
# Negative funding = shorts pay longs (bearish crowding)
funding_sentiment = -1.0 * normalize(funding_rate, -0.1, 0.1)
# Inverted: high positive funding is contrarian bearish

ロング／ショート比率 — レバレッジポジションの割合：

ls_ratio = long_accounts / short_accounts
# > 2.0 = crowded long, < 0.5 = crowded short
ls_sentiment = -1.0 * normalize(ls_ratio, 0.5, 2.0)

取引所フロー — 純入金額／純出金額：

net_flow = exchange_inflows - exchange_outflows
# Positive net flow (deposits) = bearish (selling pressure)
# Negative net flow (withdrawals) = bullish (accumulation)
flow_sentiment = -1.0 * normalize(net_flow, -threshold, threshold)

キーワードベースのセンチメントスコアリング

厳選した単語リストを使用する、LLM 不要のシンプルな方法：

BULLISH_KEYWORDS = {
    "moon": 2, "bullish": 2, "pump": 1, "breakout": 2,
    "buy": 1, "long": 1, "accumulate": 2, "undervalued": 2,
    "gem": 1, "rocket": 1, "ath": 1, "rally": 2,
}
BEARISH_KEYWORDS = {
    "dump": 2, "bearish": 2, "crash": 2, "scam": 3,
    "rug": 3, "sell": 1, "short": 1, "overvalued": 2,
    "dead": 2, "rekt": 1, "ponzi": 3, "exit": 1,
}

def score_text(text: str) -> float:
    """Score text from -1.0 (bearish) to +1.0 (bullish)."""
    words = text.lower().split()
    bull_score = sum(BULLISH_KEYWORDS.get(w, 0) for w in words)
    bear_score = sum(BEARISH_KEYWORDS.get(w, 0) for w in words)
    total = bull_score + bear_score
    if total == 0:
        return 0.0
    return (bull_score - bear_score) / total

完全な手法、時間減衰による重み付け、複合スコアの構築については、references/scoring_methods.md を参照してください。

複合センチメントスコア

複数のシグナルを単一のスコアにまとめます。

def composite_sentiment(
    social_polarity: float,    # -1.0 to +1.0
    mention_velocity: float,   # 0 to inf
    fear_greed: int,           # 0 to 100
    funding_rate: float,       # -0.1 to +0.1
    weights: dict | None = None,
) -> float:
    """Compute weighted composite sentiment score (-100 to +100).

    Args:
        social_polarity: Average polarity of social mentions.
        mention_velocity: Current velocity vs baseline.
        fear_greed: Fear & Greed index reading.
        funding_rate: Current perpetual funding rate.
        weights: Optional custom weights.

    Returns:
        Composite score from -100 (extreme fear) to +100 (extreme greed).
    """
    w = weights or {
        "social": 0.30,
        "velocity": 0.15,
        "fear_greed": 0.30,
        "funding": 0.25,
    }
    # Normalize each component to -1.0 to +1.0
    s_social = social_polarity
    s_velocity = min(mention_velocity / 10.0, 1.0)  # Cap at 10x
    s_fg = (fear_greed - 50) / 50.0  # 0-100 -> -1 to +1
    s_funding = -10.0 * funding_rate  # Contrarian: high funding = bearish
    s_funding = max(-1.0, min(1.0, s_funding))

    raw = (
        w["social"] * s_social
        + w["velocity"] * s_velocity
        + w["fear_greed"] * s_fg
        + w["funding"] * s_funding
    )
    return round(raw * 100, 1)

逆張りシグナル

センチメントが極端な値を示すと、反転に先行することがよくあります。

条件	解釈
Composite < -70	極度の恐怖 — 過去の傾向では買いゾーン
Composite > +70	極度の強欲 — 過去の傾向では売りゾーン
Velocity > 10x + polarity > 0.6	陶酔感を伴う急上昇 — 逆張りの可能性
Velocity > 10x + polarity < -0.6	パニックによる急落 — 反発の可能性
Funding > 0.05% + LS ratio > 2.0	ロングに偏りすぎ — 清算リスク
Funding < -0.05% + LS ratio < 0.5	ショートに偏りすぎ — 踏み上げリスク

重要な原則：センチメントが極端なときに、最も有用な情報が得られます。中立的な値（複合スコアが -30～+30）は、予測力が低い傾向にあります。

インフルエンサーの追跡

フォロワー数の多いアカウントを監視し、シグナルを早期に検出します。

def influencer_signal(
    posts: list[dict],
    min_followers: int = 50_000,
    lookback_hours: int = 24,
) -> dict:
    """Detect influencer activity around a token.

    Args:
        posts: List of posts with 'followers', 'timestamp', 'sentiment'.
        min_followers: Minimum follower count to qualify as influencer.
        lookback_hours: Time window in hours.

    Returns:
        Dict with influencer_count, avg_sentiment, total_reach.
    """
    cutoff = time.time() - (lookback_hours * 3600)
    relevant = [
        p for p in posts
        if p["followers"] >= min_followers and p["timestamp"] >= cutoff
    ]
    if not relevant:
        return {"influencer_count": 0, "avg_sentiment": 0.0, "total_reach": 0}
    return {
        "influencer_count": len(relevant),
        "avg_sentiment": sum(p["sentiment"] for p in relevant) / len(relevant),
        "total_reach": sum(p["followers"] for p in relevant),
    }

他のスキルとの連携

スキル	連携ポイント
position-sizing	極度の強欲時にはサイズを縮小し、極度の恐怖時には拡大する
risk-management	センチメントが価格と乖離したときにストップを厳しくする
regime-detection	センチメントを使ってレジーム分類を裏付ける、または否定する
feature-engineering	センチメント指標を ML の特徴量として利用する
signal-classification	センチメントをシグナルスコアリングモデルの入力として利用する
whale-tracking	クジラの活動とソーシャルセンチメントを組み合わせる
token-holder-analysis	保有者の増減をセンチメントの代理指標として利用する

実践的なワークフロー

1. Fetch fear/greed index          → Market-wide mood
2. Pull social data for token      → Token-specific sentiment
3. Score text with keyword method  → Polarity scores
4. Compute mention velocity        → Trending detection
5. Check on-chain proxies          → Funding, flows
6. Calculate composite score       → Single decision input
7. Flag contrarian signals         → Extreme readings
8. Integrate with position sizing  → Adjust allocation

制限事項と警告

• センチメントにはノイズがあります。 個々の値は信頼性が低いため、傾向や極端な値を活用してください。
• ソーシャルデータは操作可能です。 ボットの活動によって言及数が水増しされる可能性があります。
• キーワードによるスコアリングは大まかです。 皮肉、文脈、ニュアンスを捉えられません。
• タイムラグがあります。 センチメントを測定できる頃には、価格がすでに変動している可能性があります。
• 金融アドバイスではありません。 センチメントデータは、情報提供および分析のみを目的としています。
• API へのアクセス条件は変わります。 Twitter/X API の料金は頻繁に変更されています。それに応じて予算を設定してください。
• 生存者バイアスがあります。 ゼロになったトークンは話題にされなくなるため、言及がないこともシグナルです。

ファイル

リファレンス

• references/data_sources.md — すべてのセンチメントデータソースの API 詳細、レート制限、アクセス方法
• references/scoring_methods.md — キーワードリスト、複合スコアリング手法、時間経過による減衰、逆張りロジック

スクリプト

• scripts/sentiment_scanner.py — 無料 API からリアルタイムのセンチメントデータを取得し、複合スコアを計算して、逆張りシグナルにフラグを付けます
• scripts/keyword_sentiment.py — 合成デモデータを使った、キーワードベースのスタンドアロンテキストセンチメント分析ツール