TECHNICAL ANALYSIS VERSUS NEURAL NETWORKS TO BITCOIN PRICE PREDICTION
DOI:
https://doi.org/10.5212/Admpg.v.12.21111.006Abstract
In 2007, Bitcoin (BTC) was introduced as the world's first decentralized digital currency. BTC has shown a growth in its market value, has been used in speculative investments, and therefore it would be possible to use the same techniques already applied in the stock market. Some strategies that obtained a positive result were identified, including in moments of decline such as the period between July 2019 and June 2020. In this scenario, this study aims to analyze the application of a neural network to predict the price movement of Bitcoin in counterpoint and use of technical analysis. The first model built consisted of an agent that verified the signal emitted by certain technical indicators, and simulated the purchase or sale of BTCs. These experiments obtained good results, and also provided inputs for the second part of the work: a neural network built to make decisions based on technical indicators tested in the previous stage. The results of the neural networks were more positive than the results of each of the agents of technical indicators, obtaining up to 80% increase in the amount in a period when BTC lost 15% of its market value.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Wagner Igarashi, Henrique Misael Machado, Deisy Cristina Corrêa Igarashi
This work is licensed under a 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.
