Deu Trader.
Autor(a) principal: | |
---|---|
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 |