Publication
Previsão de evolução de criptomoedas
| datacite.subject.fos | Engenharia e Tecnologia | pt_PT |
| dc.contributor.advisor | Rodrigues, Maria de Fátima Coutinho | |
| dc.contributor.author | Machado, Miguel Fernando Pereira de Araújo | |
| dc.date.accessioned | 2024-12-09T15:10:14Z | |
| dc.date.available | 2024-12-09T15:10:14Z | |
| dc.date.issued | 2024-10-09 | |
| dc.description.abstract | O mercado das criptomoedas é atualmente uma das áreas de maior interesse de investimento, atraindo investidores desde os mais experientes até aos mais casuais, e embora possa proporcionar elevadas rentabilidades também representam um elevado risco devido à sua elevada volatilidade. Neste contexto a inteligência artificial, sobretudo através dos algoritmos de aprendizagem profunda e aprendizagem máquina tem assumido um papel preponderante no desenvolvimento de aplicações que permitam aconselhar investidores, tentando maximizar os retornos e reduzir riscos de investimento. O presente trabalho propõe um sistema de previsão do preço de fecho de dez das principais criptomoedas atualmente presentes no mercado, disponível numa aplicação web, capaz de efetuar previsões de uma até quatro horas. Para tal foram analisados e testados diferentes modelos com diferentes algoritmos de aprendizagem máquina e aprendizagem profunda, como as Redes Neuronais Recorrentes, algoritmos de análise temporal como ARIMA e até alguns algoritmos de regressão mais convencionais. Para comparação dos algoritmos, foram usados os registos ao minuto dos preços da Bitcoin relativos ao período de 30 dias, para a previsão a 60 minutos, e o modelo que apresentou melhor desempenho foi o de Redes Neuronais GRU, usando todos os atributos das cotações, obtendo um MAPE = 0,09%, MSE=5954,89, RMSE=77,17 e MAE=60,20 . | pt_PT |
| dc.description.abstract | The cryptocurrency market is currently one of the most interesting areas for investment, attracting both experienced and casual investors. While it can offer high returns, it also poses significant risks due to its high volatility. In this context, artificial intelligence, particularly through deep learning and machine learning algorithms, has played a key role in developing applications that provide investment advice, aiming to maximize returns and reduce investment risks. This study proposes a system for forecasting the closing prices of ten of the leading cryptocurrencies currently available in the market, presented in a web application capable of making predictions ranging from one to four hours. To achieve this, different models using various machine learning and deep learning algorithms were analyzed and tested, including Recurrent Neural Networks, time series analysis algorithms such as ARIMA, and even some more conventional regression algorithms. For algorithm comparison, minute step Bitcoin price data over a 30-day period was used to forecast prices 60 minutes ahead. The model that showed the best performance was the GRU Neural Networks model, using all quote attributes, achieving a MAPE = 0.09%, MSE = 5954.89, RMSE = 77.17, and MAE = 60.20. | pt_PT |
| dc.identifier.tid | 203733665 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/26714 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Forecasting | pt_PT |
| dc.subject | Cryptocurrency | pt_PT |
| dc.subject | Machine learning | pt_PT |
| dc.subject | Time series | pt_PT |
| dc.subject | Previsão | pt_PT |
| dc.subject | Séries temporais | pt_PT |
| dc.subject | Aprendizagem máquina | pt_PT |
| dc.subject | Criptomoeda | pt_PT |
| dc.title | Previsão de evolução de criptomoedas | pt_PT |
| dc.title.alternative | Cryptocurrency evolution forecast | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Informática | pt_PT |