Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/28394 |
Resumo: | Trabalho de Conclusão de Curso (Graduação) |
id |
UFU_6dbfedcd6642536d249d2109293d0be3 |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/28394 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercadoBitcoinRedes neuraisAnálise de sentimentoVADERTwitterCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOTrabalho de Conclusão de Curso (Graduação)Com 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.Universidade Federal de UberlândiaBrasilCiência da ComputaçãoSendin, Ivan da Silvahttp://lattes.cnpq.br/3974513105953302Fernandes, Márciahttp://lattes.cnpq.br/8946715881289701Theodoro, Luiz Cláudiohttp://lattes.cnpq.br/9124581119374609Sendin, Ivan da Silvahttp://lattes.cnpq.br/3974513105953302Santos Filho, Weuler Borges2020-01-20T14:05:58Z2020-01-20T14:05:58Z2019-12-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfSANTOS 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.https://repositorio.ufu.br/handle/123456789/28394porhttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2021-10-15T20:17:38Zoai:repositorio.ufu.br:123456789/28394Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2021-10-15T20:17:38Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado |
title |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado |
spellingShingle |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado Santos Filho, Weuler Borges Bitcoin Redes neurais Análise de sentimento VADER CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado |
title_full |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado |
title_fullStr |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado |
title_full_unstemmed |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado |
title_sort |
Prevendo o preço do Bitcoin com redes neurais usando dados do Twitter e de mercado |
author |
Santos Filho, Weuler Borges |
author_facet |
Santos Filho, Weuler Borges |
author_role |
author |
dc.contributor.none.fl_str_mv |
Sendin, Ivan da Silva http://lattes.cnpq.br/3974513105953302 Fernandes, Márcia http://lattes.cnpq.br/8946715881289701 Theodoro, Luiz Cláudio http://lattes.cnpq.br/9124581119374609 Sendin, Ivan da Silva http://lattes.cnpq.br/3974513105953302 |
dc.contributor.author.fl_str_mv |
Santos Filho, Weuler Borges |
dc.subject.por.fl_str_mv |
Bitcoin Redes neurais Análise de sentimento VADER CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
topic |
Bitcoin Redes neurais Análise de sentimento VADER CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
Trabalho de Conclusão de Curso (Graduação) |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-12-20 2020-01-20T14:05:58Z 2020-01-20T14:05:58Z |
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 |
SANTOS 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. https://repositorio.ufu.br/handle/123456789/28394 |
identifier_str_mv |
SANTOS 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. |
url |
https://repositorio.ufu.br/handle/123456789/28394 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Ciência da Computação |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Ciência da Computação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1813711554552528896 |