ANÁLISE TÉCNICA E REDES NEURAIS NA PREDIÇÃO DE PREÇO DE BITCOINS
DOI:
https://doi.org/10.5212/Admpg.v.12.21111.006Resumo
Em 2007, o Bitcoin (BTC) foi introduzido como a primeira moeda digital mundial descentralizada. O BTC vem apresentando um crescimento em seu valor de mercado, vem sendo utilizado em investimentos especulativos, e, portanto, seria possível utilizar as mesmas técnicas já aplicadas no mercado de ações. Foram identificadas algumas estratégias que obtiveram um resultado positivo, inclusive em momentos de queda como o período entre julho de 2019 e junho de 2020. Neste cenário, este estudo visa analisar a aplicação de uma rede neural para realizar predições do movimento de preço do Bitcoin em contraponto e uso da análise técnica. O primeiro modelo construído consistiu em um agente que verificava o sinal emitido por determinados indicadores técnicos, e simulava a compra ou venda de BTCs. Estes experimentos obtiveram bons resultados, e também forneceram insumos para a segunda parte do trabalho: uma rede neural construída para tomar decisões com base em indicadores técnicos testados na etapa anterior. Os resultados das redes neurais foram mais positivos do que os resultados de cada um dos agentes de indicadores técnicos, obtendo até 80% de aumento do montante em um período em que o BTC perdeu 15% de seu valor de mercado.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Wagner Igarashi, Henrique Misael Machado, Deisy Cristina Corrêa Igarashi
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
a) Os autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License que permite o compartilhamento do trabalho com reconhecimento da sua autoria e publicação inicial nesta revista.
b) Os autores são autorizados a assinarem contratos adicionais, separadamente, para distribuição não exclusiva da versão publicada nesta revista (por exemplo, em repositórios institucionais ou capítulos de livros), com reconhecimento da sua autoria e publicação inicial nesta revista).
c) Os autores são estimulados a publicar e distribuir a versão online do artigo (por exemplo, em repositórios institucionais ou em sua página pessoal), considerando que isso pode gerar alterações produtivas, bem como aumentar o impacto e as citações do artigo publicado.
d) Esta revista proporciona acesso público a todo o seu conteúdo, uma vez que isso permite uma maior visibilidade e alcance dos artigos publicados. Para maiores informações sobre esta abordagem, visite Public Knowledge Project, projeto que desenvolveu este sistema para melhorar a qualidade acadêmica e pública da pesquisa, distribuindo o OJS assim como outros softwares de apoio ao sistema de publicação de acesso público a fontes acadêmicas.
Este obra está licenciado com uma Licença Creative Commons Atribuição 4.0 Internacional.