TWO PREDICTION TECHNIQUES SIMULATION FOR CRYPTOCURRENCY TRADING
DOI:
https://doi.org/10.5212/Admpg.v.12.21113.008Abstract
Marked by the high volatility in the price of cryptocurrencies, this market is responsible for the movement of trillions of dollars, with Bitcoin as its main exponent, a currency that in 2021 exceeded the value of 60 thousand dollars. Thus, several techniques already used in the stock markets, such as technical and fundamental analysis, became part of the buying and selling strategies of investors in this market. In addition, computational techniques in the field of Artificial Intelligence, such as Long Short Term Memory (LSTM) artificial neural networks, have gained prominence in forecasting the financial market. Given this scenario, this work aims to carry out a comparative analysis between the use of technical analysis and LSTM for the prediction of favorable moments for the purchase, sale and maintenance of cryptocurrencies. The result obtained by the model using technical indicators was not satisfactory, since it obtained a profit of only 3.84% during the period of 30 days. The LSTM model, on the other hand, achieved an average profit of 22.94% in the simulations.
Downloads
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Mateus Felipe Larrosa Furlan, Wagner Igarashi, 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.