Portal de Eventos do IFRS, III Mostra de Ensino, Pesquisa e Extensão - III MEPE

Tamanho da fonte: 
Implementação de rede neural para predição de tendência no mercado de conversão entre as criptomoedas Bitcoin e Ethereum
Cassandro Davi Emer, Vinicius Zanandrea

Última alteração: 10-11-2019

Resumo


Muitos pesquisadores são confrontados com problemas nos quais existem não linearidades entre as variáveis independentes e a variável dependente. Em tais circunstâncias, busca-se a aplicação de modelos não lineares. Recentemente, modelos de redes neurais têm sido aplicados com sucesso em mercados financeiros, os quais usualmente são compostos por não linearidades. O mercado de troca entre criptomoedas é razoavelmente atual e, em relação ao volume, um par de moedas com forte expressão são o Bitcoin e o Ethereum. Nesse sentido, o objetivo do presente trabalho é desenvolver um sistema de predição de tendência para identificar oportunidades de investimento no par de criptomoedas. Para isso, utilizou-se uma rede neural fomentada com indicadores usuais empregados na análise técnica de mercados financeiros. A rede foi construída no modelo de Perceptron de múltiplas camadas, com uma estrutura de quatro camadas compostas por 17, 8, 3 e 1 neurônios, respectivamente. Os dados utilizados foram obtidos da plataforma Binance, para o período de 11 de janeiro até 6 de setembro de 2019. Em um teste simulado no período, com 107 pares de operações, a rede obteve 78,5% de ações positivas, agregando um rendimento de 123,876%, ao atuar com reinvestimento de ganhos e sem custos operacionais. Com base nos resultados obtidos, a implementação demonstrou um potencial emprego de redes neurais para a previsão de tendência no mercado do par Bitcoin e Ethereum. Implementações futuras viabilizarão validar outros indicadores, bem como aplicar heurísticas para garantir uma boa generalização do modelo