1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Ciência da Computação
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/28394
Full metadata record
DC FieldValueLanguage
dc.creatorSantos Filho, Weuler Borges-
dc.date.accessioned2020-01-20T14:05:58Z-
dc.date.available2020-01-20T14:05:58Z-
dc.date.issued2019-12-20-
dc.identifier.citationSANTOS 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/28394-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectBitcoinpt_BR
dc.subjectRedes neuraispt_BR
dc.subjectAnálise de sentimentopt_BR
dc.subjectVADERpt_BR
dc.subjectTwitterpt_BR
dc.titlePrevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercadopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Sendin, Ivan da Silva-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3974513105953302pt_BR
dc.contributor.referee1Fernandes, Márcia-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8946715881289701pt_BR
dc.contributor.referee2Theodoro, Luiz Cláudio-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9124581119374609pt_BR
dc.contributor.referee3Sendin, Ivan da Silva-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/3974513105953302pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoCom 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration44pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
PrevendoPreçoBitcoin.pdf355.24 kBAdobe PDFThumbnail
View/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons