Deu Trader.

Detalhes bibliográficos
Autor(a) principal: AIRES, Lucas Gomes.
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265
Resumo: O mercado de criptomoedas ganhou muita visibilidade nos últimos anos. Segundo a Forbes, o Brasil está entre os 5 países com maior número de investidores no mundo, chegando a 10 milhões de investidores1 em 2022. Apesar do grande número de investidores, o mercado de criptomoedas representa um alto grau de risco. Este trabalho propõe um método preditivo para mitigação de perdas no mercado de criptomoedas utilizando técnicas de aprendizado de máquina. Para tanto, foi desenvolvida uma ferramenta baseada em indicadores matemáticos e gráficos para apoiar as decisões de compra e venda do ativo digital. A moeda Gala/USDT foi escolhida para a realização dos experimentos, utilizou-se a linguagem Python [9], como apoio para criação e manipulação do Data Frame e no final obtivemos uma precisão em torno de 90% no conjunto de testes que representou 30% do Data Frame.
id UFCG_c7e20e28176782f408da7def595971ba
oai_identifier_str oai:localhost:riufcg/29265
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str 4851
spelling Deu Trader.Gave Trader.CriptomoedasTécnicas de prediçãoAprendizagem de máquinaMachine learningMétodo preditivo - mercado de criptomoedasMercado de criptomoedasCryptocurrenciesPrediction techniquesPredictive method - cryptocurrency marketCryptocurrency marketCiência da Computação.O mercado de criptomoedas ganhou muita visibilidade nos últimos anos. Segundo a Forbes, o Brasil está entre os 5 países com maior número de investidores no mundo, chegando a 10 milhões de investidores1 em 2022. Apesar do grande número de investidores, o mercado de criptomoedas representa um alto grau de risco. Este trabalho propõe um método preditivo para mitigação de perdas no mercado de criptomoedas utilizando técnicas de aprendizado de máquina. Para tanto, foi desenvolvida uma ferramenta baseada em indicadores matemáticos e gráficos para apoiar as decisões de compra e venda do ativo digital. A moeda Gala/USDT foi escolhida para a realização dos experimentos, utilizou-se a linguagem Python [9], como apoio para criação e manipulação do Data Frame e no final obtivemos uma precisão em torno de 90% no conjunto de testes que representou 30% do Data Frame.The cryptocurrency market has gained a lot of visibility over the last few years. According to Forbes, Brazil is within the top 5 countries with the largest number of investors in the world, reaching 10 million investors in 2022. Despite the large number of investors, the crypto market represents a high degree of risk. This work proposes a predictive method for loss mitigation in the cryptocurrency market using machine learning techniques. To this end, a tool based on mathematical and graphic indicators was developed to support decisions to buy and sell the digital asset. The Gala/USDT currency was chosen for carrying out experiments, the Python language was used as support for the creation and manipulation of the Data Frame and in the end we obtained an accuracy of around 90% in the test set that represented 30 % of the Data Frame.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIUFCGGOMES, Herman Martins.GOMES, H. M.http://lattes.cnpq.br/4223020694433271ALMEIDA, Hyggo Oliveira de.BRASILEIRO, Francisco Vilar.AIRES, Lucas Gomes.2022-09-022023-04-05T16:38:05Z2023-04-052023-04-05T16:38:05Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265AIRES, Lucas Gomes. Deu Trader. 2022. 10f. (Trabalho de Conclusão de Curso - Artigo), Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2022. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2023-04-05T16:39:18Zoai:localhost:riufcg/29265Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512023-04-05T16:39:18Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.none.fl_str_mv Deu Trader.
Gave Trader.
title Deu Trader.
spellingShingle Deu Trader.
AIRES, Lucas Gomes.
Criptomoedas
Técnicas de predição
Aprendizagem de máquina
Machine learning
Método preditivo - mercado de criptomoedas
Mercado de criptomoedas
Cryptocurrencies
Prediction techniques
Predictive method - cryptocurrency market
Cryptocurrency market
Ciência da Computação.
title_short Deu Trader.
title_full Deu Trader.
title_fullStr Deu Trader.
title_full_unstemmed Deu Trader.
title_sort Deu Trader.
author AIRES, Lucas Gomes.
author_facet AIRES, Lucas Gomes.
author_role author
dc.contributor.none.fl_str_mv GOMES, Herman Martins.
GOMES, H. M.
http://lattes.cnpq.br/4223020694433271
ALMEIDA, Hyggo Oliveira de.
BRASILEIRO, Francisco Vilar.
dc.contributor.author.fl_str_mv AIRES, Lucas Gomes.
dc.subject.por.fl_str_mv Criptomoedas
Técnicas de predição
Aprendizagem de máquina
Machine learning
Método preditivo - mercado de criptomoedas
Mercado de criptomoedas
Cryptocurrencies
Prediction techniques
Predictive method - cryptocurrency market
Cryptocurrency market
Ciência da Computação.
topic Criptomoedas
Técnicas de predição
Aprendizagem de máquina
Machine learning
Método preditivo - mercado de criptomoedas
Mercado de criptomoedas
Cryptocurrencies
Prediction techniques
Predictive method - cryptocurrency market
Cryptocurrency market
Ciência da Computação.
description O mercado de criptomoedas ganhou muita visibilidade nos últimos anos. Segundo a Forbes, o Brasil está entre os 5 países com maior número de investidores no mundo, chegando a 10 milhões de investidores1 em 2022. Apesar do grande número de investidores, o mercado de criptomoedas representa um alto grau de risco. Este trabalho propõe um método preditivo para mitigação de perdas no mercado de criptomoedas utilizando técnicas de aprendizado de máquina. Para tanto, foi desenvolvida uma ferramenta baseada em indicadores matemáticos e gráficos para apoiar as decisões de compra e venda do ativo digital. A moeda Gala/USDT foi escolhida para a realização dos experimentos, utilizou-se a linguagem Python [9], como apoio para criação e manipulação do Data Frame e no final obtivemos uma precisão em torno de 90% no conjunto de testes que representou 30% do Data Frame.
publishDate 2022
dc.date.none.fl_str_mv 2022-09-02
2023-04-05T16:38:05Z
2023-04-05
2023-04-05T16:38:05Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265
AIRES, Lucas Gomes. Deu Trader. 2022. 10f. (Trabalho de Conclusão de Curso - Artigo), Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2022. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265
identifier_str_mv AIRES, Lucas Gomes. Deu Trader. 2022. 10f. (Trabalho de Conclusão de Curso - Artigo), Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2022. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
UFCG
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1809744571989491712