SIMULACIÓN DE DOS TÉCNICAS DE PREDICCIÓN PARA EL COMERCIO DE CRIPTOMONEDAS
DOI:
https://doi.org/10.5212/Admpg.v.12.21113.008Resumen
Marcado por la alta volatilidad en el precio de las criptomonedas, este mercado es responsable del movimiento de billones de dólares, con Bitcoin como su principal exponente, moneda que en 2021 superó el valor de los 60 mil dólares. Así, varias técnicas ya utilizadas en los mercados bursátiles, como el análisis técnico y fundamental, pasaron a formar parte de las estrategias de compra y venta de los inversores en este mercado. Además, las técnicas computacionales en el campo de la Inteligencia Artificial, como las redes neuronales artificiales Long Short Term Memory (LSTM), han ganado protagonismo en la previsión del mercado financiero. Ante este escenario, este trabajo tiene como objetivo realizar un análisis comparativo entre el uso del análisis técnico y LSTM para la predicción de momentos favorables para la compra, venta y mantenimiento de criptomonedas. El resultado obtenido por el modelo utilizando indicadores técnicos no fue satisfactorio, ya que obtuvo una utilidad de solo 3.84% durante el período de 30 días. El modelo LSTM, por su parte, logró una ganancia promedio de 22.94% en las simulaciones.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Mateus Felipe Larrosa Furlan, Wagner Igarashi, Deisy Cristina Corrêa Igarashi
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista aceptan los siguientes términos:
a) Los autores conservan los derechos de autor y otorgan a la revista el derecho de la primera publicación, con el trabajo licenciado simultáneamente bajo la Licencia Creative Commons Attribution License que permite compartir el trabajo con el reconocimiento de su autoría y publicación inicial en esta revista.
b) Los autores están autorizados a firmar contratos adicionales por separado para la distribución no exclusiva de la versión publicada en esta revista (por ejemplo, en repositorios institucionales o capítulos de libros), con reconocimiento de su autoría y publicación inicial en esta revista).
c) Se alienta a los autores a publicar y distribuir la versión en línea del artículo (por ejemplo, en repositorios institucionales o en su página personal), ya que esto puede conducir a cambios productivos, así como aumentar el impacto y las citas del artículo publicado.
d) Esta revista proporciona acceso público a todo su contenido, ya que esto permite una mayor visibilidad y alcance de los artículos publicados. Para obtener más información sobre este enfoque, visite el Public Knowledge Project, un proyecto que desarrolló este sistema para mejorar la calidad académica y pública de la investigación mediante la distribución de OJS y otro software que respalda el sistema de publicación disponible públicamente a fuentes académicas.
Este trabajo está licenciado bajo una Licencia Creative Commons Atribuição 4.0 Internacional.
