Predição de criptomoedas com inteligência artificial

Abstract

Este trabalho de graduação tem como objetivo a predição de preços futuros da criptomoeda Bitcoin um dos ativos financeiros mais amplamente negociados no mercado financeiro global e altamente volátil devido a sua natureza de caráter descentralizado. Foi desenvolvido um modelo de memória de curto-longo prazo (LSTM) de arquitetura de rede neural artificial recorrente (RNN) comprovado ser eficiente no aprendizado de dados de séries temporais e detecção de padrões evitando a perda de memória em dados de longos intervalos de tempo. O modelo desenvolvido será desafiado a prever o valor do intervalo de tempo de uma hora e uma dia no futuro. Para análise de comparação, os resultados apresentados pelo modelo com os da técnica estatística desenvolvida de regressão linear e ARIMA.

This undergraduate thesis aims to forecast future prices of Bitcoin, one of the most widely traded financial assets in the global financial market, and highly volatile due to its decentralized nature. A Short-Term Long-Short Term Memory (LSTM) model, a type of Recurrent Neural Network (RNN) architecture, will be developed, proven to be efficient in learning time-series data and detecting patterns while avoiding the loss of memory over long-time intervals. The developed model will be challenged to predict values for time intervals of one hour and one day no future. For comparison analysis, the results of the model will be compared with those obtained through the statistical technique of linear regression and ARIMA.