Séries temporais para predição de finanças no contexto de criptomoedas.

Abstract

A recente aparição das criptomoedas tem atraído a atenção mundial, principalmente peloseu crescente valor de mercado, sendo oBitcoino principal personagem nesse cenário.Nesse contexto, este projeto tem como objetivo estudar o comportamento doBitcoineutilizar mecanismo já estudados na literatura para realizar predições e comparações entreeles. A partir disso, foram utilizadas técnicas de inteligência computacional para a prediçãodo mercado financeiro em relação às criptomoedas. Após o estudo de algumas técnicas,foram obtidos resultados satisfatórios utilizando a técnica do modelo ARIMA, a técnicade Redes Neurais do tipoLong Short Term Memory(LSTM) e o método de vetores desuporte (SVR). Foram realizados experimentos em diversos cenários a fim de analisar ocomportamento dos métodos preditivos, sendo utilizados conjuntos de dados com maisde 6 anos de registros diários envolvendo características da moeda. Com o auxílio demétricas, como, por exemplo, oRoot Mean Square Error(RMSE), foram aperfeiçoados osalgoritmos e produzidos resultados na predição do valor de fechamento diário doBitcoin.Ao final, os resultados sugerem a capacidade de previsão e modelagem da série paracada método utilizado. Foi possível verificar o rendimento de cada um deles, levandoem consideração erros obtidos e períodos de tempo avaliados. Considerando o contexoexperimental estabelecido, os resultados sugerem que o LSTM que obteve resultadosligeiramente superiores que os demais. Por fim, foram reconhecidos as limitações e errosdas análises realizadas e pontuadas futuras mudanças que podem aperfeiçoar os resultados.