Publicação: Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Com o crescimento e a popularização do Twitter, as opiniões e sentimentos expressos em forma
de tweets, representam uma grande quantidade de dados que são valiosas para as empresas e
podem ser analisadas. Neste trabalho, analisamos tweets do período de 1 de Janeiro de 2019 até
31 de Março de 2019 com o objetivo de estabelecer relações entre o sentimento desses tweets
e os movimentos do preço do Bitcoin. Para estudar essas relações, modelamos um problema
de classificação, onde dadas as métricas para uma janela de tempo, classificamos se o preço
vai subir ou descer na janela de tempo seguinte. Utilizamos em nossos experimentos técnicas
de aprendizagem supervisionada treinando Rede Neural Perceptron Multicamadas para fazer
a classificação. Para efeitos de comparação, treinamos também modelos utilizando Random
Forests e Support Vector Machines. Além disso, enriquecemos os experimentos com dados do
Mercado de Bitcoin e treinamos os mesmos modelos utilizando tais dados, obtendo vários resultados promissores. Utilizando um Perceptron de Múltiplas camadas, obtivemos uma precisão de
84% tendo como fonte de dados apenas dados do Twitter. Os modelos usando Random Forests e
Support Vector Machines que serviram apenas para comparação, também mostraram resultados
acima do esperado utilizando dados do Twitter, sendo que a Random Forests alcançou 76% de
precisão e a Support Vector Machine 75% de precisão.
Abstract
Palavras-chave
Bitcoin, Redes neurais, Análise de sentimento, VADER, Twitter
Citação
SANTOS FILHO, Weuler Borges. Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado. 2019. 44 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2020.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto