Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/10923/26766
Tipo: | Article |
Título: | Desenvolvimento e avaliação de algoritmos de trading para criptomoedas |
Autor(es): | Marquetti, Luis Gabriel Pacheco |
Orientador: | Konzen, Andréa Aparecida |
Fecha de Publicación: | 2024 |
Palabras clave: | CRIPTOMOEDAS BITCOIN ALGORITMO DE NEGOCIAÇÃO CRYPTOCURRENCY BITCOIN TRADING ALGORITHM |
Resumen: | As criptomoedas se estabeleceram como uma classe de ativos financeiros, com um enorme volume de transações e diversas possibilidades de ganhos nas negociações. Similarmente a outros mercados financeiros, a previsão de preços é um dos principais desafios na negociação. A aplicação da inteligência artificial como ferramenta de previsão emergiu como um tema de investigação no domínio das criptomoedas. Este trabalho propõe um estudo dedicado ao desenvolvimento e à avaliação do desempenho de algoritmos, visando maximizar os retornos dos investidores no mercado de criptomoedas. O estudo explora três estratégias de negociação baseadas em algoritmos: reversão à média, cruzamento de média móvel e modelos baseados em aprendizado de máquina. Os resultados obtidos com essas estratégias são comparados com a abordagem de comprar e manter o Bitcoin durante o período de maio de 2021 a junho de 2024. Os algoritmos foram testados usando três períodos de amostragem: 1 hora, 12 horas e 24 horas. Os resultados indicam que os algoritmos de trading têm o potencial de desempenhar um papel importante nos resultados obtidos no mercado de criptomoedas. Cryptocurrencies have established themselves as a class of financial assets, with a high volume of transactions and various opportunities for gains in trading. Similar to other financial markets, price prediction is one of the main challenges in cryptocurrency trading. The use of artificial intelligence as a fore casting tool has emerged as a popular research topic in the field of cryptocurrencies. This paper proposes a study dedicated to the development and performance evaluation of algorithms, aiming to maximize investors’ returns in the cryptocurrency market. The study explores three algorithm-based trading strategies: mean reversion, moving average crossover, and machine learning-based models. The results obtained with these strategies are compared with the buy and hold approach in Bitcoin during the period from May 2021 to June 2024. The algorithms were tested using three sampling periods: 1 hour, 12 hours, and 24 hours. The results indicate that trading algorithms have the potential to play an important role in the outcomes achieved in the cryptocurrency market. |
URI: | https://hdl.handle.net/10923/26766 |
Aparece en las colecciones: | TCC Ciência da Computação
|
Todos los ítems en el Repositorio de la PUCRS están protegidos por derechos de autor, con todos los derechos reservados, y están bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional. Sepa más.