d

Análise preditiva aplicada ao Bitcoin: um estudo

comparativo

Felipe Boteon Calderaro

Monografia - MBA em Inteligência Artificial e Big Data
 SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP

Data de Depósito:

Assinatura: ____________________

Felipe Boteon Calderaro

Análise preditiva aplicada ao Bitcoin: um estudo

comparativo

Monografia apresentada ao Departamento

de Ciências de Computação do Instituto
de Ciências Matemáticas e de Computação,
Universidade de São Paulo - ICMC/USP,
como parte dos requisitos para obtenção
do título de Especialista em Inteligência
Artificial e Big Data.
Área de concentração: Inteligência Artificial
Orientador: Prof. Dr. Jó Ueyama

Versão original

São Carlos
2023
AUTORIZO A REPRODUÇÃO E DIVULGAÇÃO TOTAL OU PARCIAL DESTE TRABALHO,
POR QUALQUER MEIO CONVENCIONAL OU ELETRÔNICO PARA FINS DE ESTUDO E
PESQUISA, DESDE QUE CITADA A FONTE.

Ficha catalográfica elaborada pela Biblioteca Prof. Achille Bassi, ICMC/USP, com os dados
fornecidos pelo(a) autor(a)

Calderaro, Felipe Boteon

S856m Análise preditiva aplicada ao Bitcoin: um estudo compara-
tivo / Felipe Boteon Calderaro ; orientador Jó Ueyama. –
São Carlos, 2023.
59 p. : il. (algumas color.) ; 30 cm.

Monografia (MBA em Inteligência Artificial e Big Data) –

Instituto de Ciências Matemáticas e de Computação, Universi-
dade de São Paulo, 2023.

1. Bitcoin. 2. Análise Preditiva. 3. Regressão. I. Ueyama,

Jó, orient. II. Título.
 Felipe Boteon Calderaro

Análise preditiva aplicada ao Bitcoin: um estudo

comparativo

Monograph presented to the Departamento

de Ciências de Computação do Instituto
de Ciências Matemáticas e de Computação,
Universidade de São Paulo - ICMC/USP, as
part of the requirements for obtaining the
title of Specialist in Artificial Intelligence and
Big Data.
Concentration area: Artificial Intelligence
Advisor: Prof. Dr. Jó Ueyama

Original version

São Carlos
2023
Dedico este trabalho à memória do meu cachorro Juca,
fiel companheiro que esteve presente
em grande parte dessa jornada de conhecimento.
 RESUMO

Calderaro, F. B. Análise preditiva aplicada ao Bitcoin: um estudo comparativo.

2023. 59p. Monografia (MBA em Inteligência Artificial e Big Data) - Instituto de Ciências
Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2023.

Este trabalho compara diferentes abordagens preditivas para os retornos e volatilidade do

Bitcoin utilizando modelos de regressão. Para a modelagem do problema são utilizados
dados históricos de preços de diversos ativos financeiros, como índices S&P 500 e Nasdaq,
taxa de câmbio EUR/USD, títulos de 10 anos do governo americano, ouro e petróleo,
combinados com diferentes índices de sentimento. Durante o processo, são testados dife-
rentes métodos de seleção de variáveis, bem como diferentes modelos preditivos: Linear
Regression, K-Neighbors, Decision Tree, Random Forest e Gradient Boosting. Dente os
modelos testados, os resultados foram melhores para a predição da volatilidade e o Random
Forest foi o modelo que apresentou o melhor desempenho na predição de ambas as variáveis.
Todos os modelos de predição de volatilidade foram beneficiados com a inclusão dos índices
de sentimento, o que não ocorreu para os modelos de predição dos retornos.

Palavras-chave: Bitcoin. Inteligência Artificial. Regressão.

 ABSTRACT

Calderaro, F. B. Predictive analytics applied to Bitcoin: a comparative study.

2023. 59p. Monograph (MBA in Artificial Intelligence and Big Data) - Instituto de
Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2023.

This work compares different predictive approaches for Bitcoin returns and volatility using
regression models. Historical price data of several financial assets are used, such as S&P 500
and Nasdaq indices, EUR/USD exchange rate, 10-year US government bonds, gold and oil,
combined with different sentiment indices. During the process, different variable selection
methods are tested, as well as different predictive models: Linear Regression, K-Neighbors
Regressor, Decision Tree Regressor, Random Forest Regressor and Gradient Boosting
Regressor. Among the tested models, the results were better for the prediction of volatility
and the Random Forest Regressor was the one that presented the best performance in the
prediction of both dependent variables. All volatility prediction models benefited from the
inclusion of sentiment indices, which did not occur for return prediction models.

Keywords: Bitcoin. Artificial intelligence.

 LISTA DE FIGURAS

Figura 1 – Regressão linear simples . . . . . . . . . . . . . . . . . . . . . . . . . . 26

Figura 2 – Representação de árvore de decisão binária . . . . . . . . . . . . . . . . 28
Figura 3 – Representação simplificada do algoritmo de Random Forest . . . . . . 29
Figura 4 – Séries históricas de preços . . . . . . . . . . . . . . . . . . . . . . . . . 44
Figura 5 – Séries históricas de retornos . . . . . . . . . . . . . . . . . . . . . . . . 45
Figura 6 – Séries históricas de volatilidades . . . . . . . . . . . . . . . . . . . . . . 46
Figura 7 – Séries históricas dos índices de sentimento . . . . . . . . . . . . . . . . 47
Figura 8 – Matriz de correlação das séries de preço . . . . . . . . . . . . . . . . . 48
Figura 9 – Matriz de correlação das séries de retorno . . . . . . . . . . . . . . . . 48
Figura 10 – Matriz de correlação das séries de volatilidade . . . . . . . . . . . . . . 49
Figura 11 – Matriz de correlação das séries de índices de sentimento . . . . . . . . . 49
Figura 12 – Comparação do R2 para os modelos na predição dos retornos do Bitcoin. 53
Figura 13 – Comparação do R2 para os modelos na predição da volatilidade do
Bitcoin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
 LISTA DE TABELAS

Tabela 1 – Estudos sobre modelos preditivos em criptomoedas . . . . . . . . . . . 36

Tabela 2 – Símbolos e descrições dos ativos financeiros utilizados. . . . . . . . . . 37
Tabela 3 – Símbolos e descrições dos índices de sentimento utilizados. . . . . . . . 39
Tabela 4 – Métodos de seleção de variáveis . . . . . . . . . . . . . . . . . . . . . . 50
Tabela 5 – Seleção de variáveis na previsão dos retornos. . . . . . . . . . . . . . . 51
Tabela 6 – Seleção de variáveis na previsão da volatilidade. . . . . . . . . . . . . . 51
Tabela 7 – Modelos de regressão utilizados. . . . . . . . . . . . . . . . . . . . . . . 51
Tabela 8 – Performance dos modelos na predição dos retornos ordenados pelo R2 . 52
Tabela 9 – Performance dos modelos na predição da volatilidade ordenados pelo R2 53
 LISTA DE ABREVIATURAS E SIGLAS

DNN Deep Neural Network

DQN Deep Q-Network

GB Gradient Boosting

HAR Heterogeneous Autoregressive

JNN Jordan Neural Network

LR Linear Regression

LSTM Long Short-Term Memory

ML Machine Learning

MLP Multilayer Perceptron

MLR Multiple Linear Regression

NN Neural Network

RF Random Forest

RL Reinforcement Learning

RNN Recurrent Neural Network

SLR Simple Linear Regression

SVM Support Vector Machine

VADER Valence Aware Dictionary and sEntiment Reasoner

VAR Vector Autoregression

SETAR Self Exciting Threshold Autoregressive

NAR Non-Linear Autoregressive

 SUMÁRIO

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.1 Contextualização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2 Justificativa e Motivação . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3 Questão de Pesquisa e Objetivos . . . . . . . . . . . . . . . . . . . . . 22
1.4 Organização do texto . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

2 FUNDAMENTAÇÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . 25
2.1 Bitcoin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Algoritmos de Aprendizado Supervisionado . . . . . . . . . . . . . . . 26
2.2.1 Regressão Linear Múltipla . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 K-Nearest Neighbors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.3 Decision Tree . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.4 Random Forest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.5 Histogram-Based Gradient Boosting . . . . . . . . . . . . . . . . . . . . . 28
2.3 Análise de sentimento . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4 Métodos de seleção de variáveis . . . . . . . . . . . . . . . . . . . . . 30
2.4.1 Select K-Best . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4.2 Variance Inflation Factor (VIF): . . . . . . . . . . . . . . . . . . . . . . . 30
2.4.3 Recursive Feature Elimination (RFE) . . . . . . . . . . . . . . . . . . . . . 30
2.4.4 Recursive Feature Elimination with Cross-Validation (RFECV) . . . . . . . 31
2.5 Métricas de avaliação . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.5.1 Coeficiente de Determinação (R2 ) . . . . . . . . . . . . . . . . . . . . . . 31
2.5.2 Erro Médio Absoluto (MAE) . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.5.3 Erro Percentual Absoluto Médio (MAPE) . . . . . . . . . . . . . . . . . . 32
2.5.4 MSE (Erro Quadrático Médio) . . . . . . . . . . . . . . . . . . . . . . . . 32
2.5.5 Raiz do Erro Quadrático Médio (RMSE) . . . . . . . . . . . . . . . . . . . 32
2.6 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3 TRABALHOS RELACIONADOS . . . . . . . . . . . . . . . . . . . . 33

4 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1 Ativos financeiros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Análise de Sentimento . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

5 AVALIAÇÃO EXPERIMENTAL . . . . . . . . . . . . . . . . . . . . . 43
5.1 Conjuntos de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Configuração Experimental . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.1 Pré-processamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.2 Seleção de Variáveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.3 Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.3 Resultados e Discussões . . . . . . . . . . . . . . . . . . . . . . . . . . 51

6 CONCLUSÕES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
 21

1 INTRODUÇÃO

1.1 Contextualização

Nos últimos anos, temos testemunhado um aumento significativo no uso e na adoção

das criptomoedas como parte integrante da economia mundial. O crescente interesse e
aceitação das criptomoedas, como o Bitcoin, Ethereum e outras, têm sido impulsionados
por uma combinação de fatores, incluindo avanços tecnológicos, facilidade de transferência
internacional de fundos, potencial de valorização e a crescente desconfiança em relação
às moedas tradicionais em face da instabilidade econômica global. Esse fenômeno tem
despertado a atenção de investidores, instituições financeiras e governos, que buscam
compreender e regular o impacto das criptomoedas nos mercados financeiros e nas políti-
cas monetárias. Embora o uso generalizado das criptomoedas também tenha levantado
preocupações sobre segurança, regulamentação e seu potencial uso em atividades ilegais,
não se pode negar que elas estão desempenhando um papel cada vez mais relevante no
cenário econômico global. (MOUGAYAR, 2016)
Com a popularização desses ativos digitais, plataformas de negociação eletrônica
de criptomoedas têm surgido em todo o mundo, permitindo que investidores possam
comprar e vender criptomoedas de forma rápida e fácil, 24 horas por dia, 7 dias por
semana. No entanto, o mercado de criptomoedas ainda é altamente volátil e arriscado,
o que requer cuidado e atenção por parte dos investidores (OKSANEN et al., 2022).
Definir estratégias de negociação de criptomoedas pode ser um desafio complexo, pois
existem muitas variáveis em jogo. Alguns fatores a serem considerados incluem o tipo de
criptomoeda sendo negociada, a volatilidade do mercado, o nível de risco que o negociante
está disposto a assumir e a experiência do negociante em usar uma determinada estratégia.
Cada estratégia tem seus próprios prós e contras, e pode ser mais adequada para diferentes
situações e estilos de negociação.
A proposta deste trabalho é comparar diferentes modelos preditivos aplicados
ao Bitcoin, que hoje detém a maior capitalização no mercado das criptomoedas1 . Serão
utilizados algoritmos de regressão para analisar dados históricos de preços e outras va-
riáveis relevantes, com o objetivo de identificar padrões e tendências que possam indicar
movimentos futuros de preços. Além disso, serão incluídos dados de fontes externas, como
notícias e eventos macroeconômicos, com o objetivo de melhorar sua precisão e eficácia.

1 fonte: [Link] - vista em 30/07/2023

22

1.2 Justificativa e Motivação

O interesse na negociação de criptomoedas tem crescido significativamente nos

últimos anos e o volume de negociação tem sido visto como um sinal de maturidade
do mercado, impulsionado pela crescente aceitação das criptomoedas pelos investidores
institucionais (TAPSCOTT; TAPSCOTT, 2018), além da criação das moedas digitais que
vem sendo adotadas pelos bancos centrais ao redor do globo2 . O Bitcoin é a criptomoeda
mais conhecida e negociada, representando a parte mais significativa do mercado total de
criptomoedas3 .
Neste contexto, este trabalho se propõe a investigar se é possível criar um modelo
preditivo para o Bitcoin utilizando-se de modelos de regressão e a combinação de dados de
mercado e análise de sentimento.

1.3 Questão de Pesquisa e Objetivos

Nesta pesquisa, será investigada a aplicação de diversas técnicas de inteligência

artificial à negociação de criptomoedas. A principal questão de pesquisa é:
Q1 É possível prever de maneira assertiva os retornos ou a volatilidade do Bitcoin
utilizando técnicas de inteligência artificial?
Diante desta questão de pesquisa, é definido o seguinte objetivo para o desenvolvi-
mento deste trabalho:

• Comparar a performance de diferentes modelos de regressão para os retornos e

volatilidade do Bitcoin, a partir de dados de mercado e índices de sentimento
baseados em dados de redes sociais e notícias.

Os resultados deste trabalho podem ser úteis para investidores em criptomoedas,

bem como para empresas que desenvolvem soluções de negociação eletrônica baseadas em
criptomoedas. Além disso, esta abordagem pode ser aplicada a outras áreas de investimento
para ajudar os investidores a tomar decisões mais bem fundamentadas.

1.4 Organização do texto

No capítulo seguinte, será realizada uma revisão básica sobre os principais conceitos
e ferramentas utilizadas neste trabalho, como o Bitcoin, os algoritmos de aprendizado
supervisionado, a análise de sentimentos e ferramentas para comparar o desempenho das
diversas estratégias.
2 fonte: [Link] - vista em 30/07/2023
3 fonte: [Link] - vista em 30/07/2023
 23

No capítulo 3 serão apresentados os principais trabalhos relacionados. Nos capí-

tulos 4 e 5 reside a principal parte do conteúdo apresentado neste trabalho. Neles, será
apresentada a proposta da pesquisa e será descrita toda a avaliação experimental, com
apresentação dos dados e parâmetros utilizados nos modelos, bem como a apresentação
dos resultados obtidos.
No último capítulo será apresentada uma breve conclusão desta pesquisa, além das
oportunidades de evolução mapeadas ao longo de seu desenvolvimento.
 25

2 FUNDAMENTAÇÃO TEÓRICA

2.1 Bitcoin

Bitcoin é uma criptomoeda descentralizada que foi criada em 2008 por um indivíduo
ou grupo de indivíduos sob o pseudônimo de Satoshi Nakamoto (NAKAMOTO, 2008).
Desde então, o Bitcoin tem ganhado cada vez mais atenção de investidores e traders em
todo o mundo devido ao seu potencial de lucro e à sua natureza descentralizada.
Diferentemente das moedas tradicionais emitidas por governos, o Bitcoin não é
controlado por nenhuma autoridade central, como um banco central. Em vez disso, ele
funciona em uma rede de computadores peer-to-peer, onde os usuários podem realizar
transações diretamente entre si, sem intermediários.
Uma das principais vantagens do Bitcoin é a segurança que ele oferece. Todas as
transações são registradas em um livro contábil digital, chamado de blockchain, que é
distribuído em vários computadores ao redor do mundo. Isso significa que é muito difícil
para qualquer pessoa ou entidade adulterar as transações, tornando o Bitcoin resistente
a fraudes e hackeamentos. Além disso, o Bitcoin também oferece privacidade aos seus
usuários, pois as transações são realizadas de forma pseudônima, ou seja, sem a necessidade
de identificação pessoal. Isso permite que as pessoas mantenham sua privacidade financeira
e protejam suas informações pessoais.
No atual cenário macroeconômico, o Bitcoin também é visto como um ativo de
refúgio seguro contra a inflação e a desvalorização da moeda. Como o Bitcoin não é
controlado por nenhum governo ou autoridade central, ele não está sujeito às políticas
monetárias que podem levar à inflação ou à desvalorização da moeda fiduciária. Vale
ressaltar que o Bitcoin também é considerado por muitos como uma reserva de valor,
semelhante ao ouro, devido à sua oferta limitada e à crescente demanda (NARAYANAN
et al., 2016).
Embora o Bitcoin ainda seja considerado uma moeda volátil e de alto risco, sua
popularidade e adoção continuam altas em todo o mundo, especialmente entre investidores
e entusiastas de tecnologia. O principal motivo da utilização do Bitcoin neste trabalho
é a sua representatividade no mercado das criptomoedas. Considerando o período entre
16/08/2022 e 14/08/2023, o Bitcoin teve um volume médio diário de negociação de mais
24 bilhões de dólares e um valor de mercado médio de mais de 462 bilhões de dólares1 ,
sendo a moeda mais negociada e com maior valor de mercado no período.

1 fonte: [Link] - vista em 30/07/2023

26

2.2 Algoritmos de Aprendizado Supervisionado

Os algoritmos de aprendizado de máquina supervisionados são uma classe de

algoritmos que usam um conjunto de dados de treinamento rotulado para aprender a
prever saídas corretas a partir de novos dados não rotulados. Em outras palavras, um
modelo supervisionado é alimentado com um conjunto de dados de treinamento, onde
cada exemplo inclui um conjunto de características (também conhecidas como variáveis
independentes) e um rótulo (também conhecido como variável dependente), e o objetivo é
aprender uma função que possa prever o rótulo correto para novos exemplos com base em
suas características. Alguns exemplos comuns de algoritmos de aprendizado de máquina
supervisionados incluem árvores de decisão, redes neurais, regressão linear, regressão
logística, entre outras. Os algoritmos supervisionados são amplamente utilizados em uma
grande variedade de aplicações, incluindo classificação, regressão, detecção de anomalias,
processamento de fala e imagem, entre outros (HASTIE; TIBSHIRANI; FRIEDMAN,
2009).

2.2.1 Regressão Linear Múltipla

A regressão linear é uma técnica estatística utilizada para identificar e modelar o

relacionamento entre duas variáveis contínuas, sendo uma delas a variável independente e
a outra a variável dependente (MONTGOMERY; PECK; VINING, 2012). No mundo das
finanças, a regressão linear tem diversas aplicações, como na análise de risco e retorno de
investimentos, previsão de preços de ações e análise de correlação entre variáveis financeiras,
como taxa de juros, inflação e desempenho do mercado financeiro. Através da análise de
regressão, é possível obter insights valiosos para tomada de decisões financeiras, ajudando
a identificar tendências e padrões em dados históricos e projetar cenários futuros com
maior confiança.

Figura 1 – Regressão linear simples

 27

A regressão linear múltipla é uma técnica estatística utilizada para analisar a

relação entre várias variáveis independentes e uma variável dependente contínua. É uma
extensão da regressão linear simples, que envolve apenas uma variável independente.
Na regressão linear múltipla, a relação entre as variáveis é modelada por meio de
uma equação linear que pode ser expressa como:

y = β0 + β1 x1 + β2 x2 + ... + βn xn + ϵ

Onde y é a variável dependente, x1 , x2 , ..., xn são as variáveis independentes,

β0 , β1 , β2 , ..., βn são os coeficientes de regressão que medem o impacto de cada variá-
vel independente em y, e ϵ é o erro aleatório que representa as influências não-modeladas
e não medidas nas variáveis independentes (GUJARATI; PORTER, 2009).
A regressão linear múltipla é amplamente utilizada em várias áreas, como eco-
nomia, finanças, ciência social e ciência médica, para entender como as várias variáveis
independentes afetam a variável dependente e para fazer previsões. A análise de regressão
também pode ser usada para identificar a importância relativa das diferentes variáveis
independentes e para testar a significância estatística de seus efeitos sobre a variável
dependente.

2.2.2 K-Nearest Neighbors

O algoritmo de aprendizagem supervisionada K-Nearest Neighbors é uma téc-

nica simples, intuitiva e bastante difundida tanto para problemas de classificação quanto
regressão em análise de dados. Ele é baseado no princípio de que pontos de dados se-
melhantes tendem a ter rótulos ou valores semelhantes. Os passos incluem escolher um
valor para K (número de vizinhos), calcular a distância entre pontos, selecionar os K
vizinhos mais próximos, votar na classe mais comum ou calcular a média para prever o
valor. O desempenho é avaliado com métricas apropriadas, assim como nas outras classes
de algoritmos, como por exemplo acurácia, precisão, recall para classificação ou erro médio
para regressão, que é foco deste estudo. Adiante, abordaremos mais detalhes sobre as
medidas de desempenho adotadas neste trabalho. Embora simples, o KNN, de acordo
com os parâmetros utilizados, pode ser exigente em termos computacionais (HASTIE;
TIBSHIRANI; FRIEDMAN, 2009).

2.2.3 Decision Tree

Decision Tree, ou Árvore de Decisão, é um algoritmo usualmente utilizado para

problemas de classificação. Este método constrói uma estrutura de árvore onde cada nó
interno representa uma decisão baseada em uma característica específica dos dados. Cada
ramo (aresta) representa uma ramificação da decisão com base no valor dessa característica.
28

Os nós folha da árvore contêm as previsões finais ou valores alvo (HASTIE; TIBSHIRANI;
FRIEDMAN, 2009).
No caso do Decision Tree Regressor, a construção da árvore é adaptada para realizar
regressão, e neste caso modela relações não-lineares entre variáveis de entrada e variáveis
de saída numérica, criando uma estrutura em forma de árvore que toma decisões com base
nas características dos dados para fazer previsões de valores contínuos.
A profundidade da árvore e outros hiperparâmetros influenciam o seu tamanho e a
sua complexidade. Árvores mais profundas podem se ajustar mais aos dados de treinamento,
mas podem resultar em overfitting, ou seja, uma modelagem excessivamente adaptada aos
dados de treinamento, o que prejudica o desempenho em novos dados não vistos.
Na figura 2 é possível observar um exemplo de uma árvore de decisão binária, onde
cada nó dá origem a dois ramos.

Figura 2 – Representação de árvore de decisão binária

2.2.4 Random Forest

O Random Forest é um algoritmo de aprendizado de máquina que pertence à

categoria de métodos de conjunto (emsemble methods), onde são combinados vários modelos
de aprendizado para produzir um modelo final mais robusto e preciso. A ideia principal
por trás do Random Forest é criar múltiplas árvores de decisão durante o treinamento
e combiná-las para fazer previsões mais confiáveis e precisas. Cada árvore de decisão
é treinada em uma amostra aleatória dos dados de treinamento e utiliza um processo
chamado bagging para criar a diversidade entre as árvores. O algoritmo reduz a variância
e o overfitting, já que a média das previsões das árvores minimiza erros individuais. Além
disso, ele fornece uma medida de importância das características, permitindo identificar
quais influenciam mais nas previsões. (HASTIE; TIBSHIRANI; FRIEDMAN, 2009)

2.2.5 Histogram-Based Gradient Boosting

Gradient Boosting é um algoritmo que cria um modelo preditivo forte combinando

múltiplos estimadores fracos, geralmente árvores de decisão rasas. Ele funciona construindo
 29

Figura 3 – Representação simplificada do algoritmo de Random Forest

cada nova árvore para corrigir os erros cometidos pelas previsões anteriores, tornando o mo-
delo final mais preciso. No Gradient Boosting clássico, os resíduos (diferença entre as saídas
reais e as previsões) são ajustados em cada iteração, o que pode ser computacionalmente
intensivo em conjuntos de dados grandes.
Já o Histogram Gradient Boosting é uma otimização do Gradient Boosting que
busca melhorar a eficiência. Ele utiliza histogramas para representar os resíduos, em vez
de trabalhar diretamente com os valores brutos dos resíduos. Isso acelera o treinamento
das árvores, pois os histogramas reduzem a complexidade computacional ao lidar com
resíduos discretos. Essa abordagem melhora significativamente o desempenho em conjuntos
de dados volumosos, permitindo construir modelos mais precisos em menos tempo (CHEN
et al., 2015).

2.3 Análise de sentimento

A análise de sentimento é uma técnica da área de processamento de linguagem

natural que visa identificar e extrair informações subjetivas dos textos, como opiniões,
emoções e atitudes expressas pelos autores. Seu objetivo principal é compreender a
polaridade do sentimento, ou seja, determinar se o texto expressa uma visão positiva,
negativa ou neutra em relação a um determinado tópico (PANG; LEE, 2008)
Essa técnica utiliza algoritmos de aprendizado de máquina e processamento de
linguagem natural para analisar e classificar textos automaticamente. A análise de sen-
timento é amplamente aplicada em diversas áreas, incluindo marketing, ciências sociais,
atendimento ao cliente, política, saúde e muitas outras. Algumas das principais aplicações
30

da análise de sentimento atualmente são:

Monitoramento de mídias sociais: A análise de sentimento é utilizada para monitorar
a opinião pública em relação a marcas, produtos, eventos ou qualquer assunto discutido
nas redes sociais. Empresas podem utilizar essa técnica para acompanhar a reputação
da marca, identificar problemas de satisfação do cliente e realizar ações de marketing
direcionadas.
Como exemplos da utilização da análise de sentimento, podemos citar a análise de
feedback de clientes, análise de pesquisas e enquetes, análise de tendências de mercado e
detecção de emoções em conteúdo de mídia, entre outros.

2.4 Métodos de seleção de variáveis

Nesta seção serão listados os diferentes métodos de seleção de variáveis utilizados

neste trabalho. Métodos de seleção de variáveis são importantes nos algoritmos de aprendi-
zado supervisionado porque permitem identificar as variáveis que são mais relevantes para
a construção do modelo. Isso pode levar a uma melhora no desempenho do modelo, pois
ele será treinado com um conjunto de dados mais focado e relevante. Além disso, métodos
de seleção de variáveis podem ajudar a reduzir o tempo de treinamento do modelo e a
melhorar a sua interpretabilidade (HASTIE; TIBSHIRANI; FRIEDMAN, 2009).

2.4.1 Select K-Best

O método Select K-Best é usado para selecionar as melhores K features (variáveis)

de um conjunto de dados com base em algum critério de pontuação. Geralmente, ele
utiliza testes estatísticos como ANOVA, Qui-quadrado ou funções de pontuação mutual
information para avaliar a relevância de cada feature em relação à variável alvo. O usuário
precisa especificar o valor de K, ou seja, quantas features deseja selecionar.

2.4.2 Variance Inflation Factor (VIF):

VIF é uma métrica utilizada para identificar a multicolinearidade entre as variáveis

independentes em um modelo de regressão. Ele calcula quanto a variância de um coeficiente
de regressão é aumentada devido à multicolinearidade. Valores altos de VIF indicam alta
correlação entre as variáveis independentes, o que pode levar a estimativas imprecisas e
instáveis do modelo.

2.4.3 Recursive Feature Elimination (RFE)

O RFE é um método de seleção de features que opera de maneira recursiva. Ele

começa treinando um modelo usando todas as features e, em seguida, elimina a feature
menos importante (ou menos relevante) com base em alguma métrica, como coeficiente
 31

de regressão, importância em árvores de decisão, etc. Esse processo é repetido até que o
número desejado de features seja atingido.

2.4.4 Recursive Feature Elimination with Cross-Validation (RFECV)

O RFECV é uma extensão do RFE que incorpora validação cruzada. Ele realiza
a eliminação recursiva das features enquanto avalia o desempenho do modelo usando
validação cruzada. Isso ajuda a evitar a seleção de features que podem ser úteis apenas
para um conjunto específico de dados de treinamento. O RFECV ajuda a encontrar um
subconjunto de features que oferece um bom desempenho médio em várias divisões dos
dados.

2.5 Métricas de avaliação

Nesta seção apresentaremos as métricas selecionadas para avaliação dos modelos

propostos neste trabalho. Nas notações abaixo, y e ŷ representam os valores reais e
previstos, respectivamente, ȳ representa a média dos valores reais e n representa o número
de amostras (PEDREGOSA et al., 2011).

2.5.1 Coeficiente de Determinação (R2 )

O R2 , também conhecido como coeficiente de determinação, é uma métrica que

mede a proporção da variabilidade na variável dependente que é explicada pela variável
independente em um modelo estatístico, e será a principal métrica de avaliação a ser
considerada neste estudo. Ele varia de 0 a 1, onde 1 indica um ajuste perfeito do modelo
aos dados e 0 indica que o modelo não explica nenhuma variação nos dados. No contexto de
regressão, o R2 é usado para avaliar o quão bem o modelo se ajusta aos dados observados.
O R2 é calculado da seguinte forma:

Pn
(yi − ŷi )2
R (y, ŷ) = 1 − Pni=1
2

i=1 (yi − ȳi )

2

2.5.2 Erro Médio Absoluto (MAE)

O MAE é a média das diferenças absolutas entre as previsões de um modelo e os

valores reais. Ele mede a magnitude média dos erros entre as previsões e os valores reais,
independentemente de eles serem positivos ou negativos. Quanto menor o valor do MAE,
melhor é o desempenho do modelo em fazer previsões precisas. O MAE é calculado da
seguinte forma:

1 nX
−1

M AE(y, ŷ) = |yi − ŷi |

n i=0
32

2.5.3 Erro Percentual Absoluto Médio (MAPE)

O MAPE é uma métrica que calcula a média das porcentagens absolutas das
diferenças entre as previsões e os valores reais. Ele é expresso como uma porcentagem e
fornece uma ideia de quão precisas são as previsões em termos de magnitude percentual.
No entanto, ele pode ser sensível a valores pequenos e pode não ser adequado quando há
valores nulos.

1 nX
−1
|yi − ŷi |
M AP E(y, ŷ) =
n i=0 max(ϵ, |yi |)

2.5.4 MSE (Erro Quadrático Médio)

O MSE é a média dos quadrados das diferenças entre as previsões e os valores reais.
Ele penaliza erros maiores de forma mais significativa do que erros menores, tornando-se
sensível a outliers. O MSE é frequentemente usado em problemas de regressão para avaliar
a qualidade das previsões.

1 n−1
(yi − ŷi )2
X
M SE(y, ŷ) =
n i=0

2.5.5 Raiz do Erro Quadrático Médio (RMSE)

O RMSE é a raiz quadrada do MSE. Ele tem a mesma unidade que a variável de
destino e é uma métrica de avaliação comumente usada para medir a dispersão dos erros
em relação aos valores reais. O RMSE fornece uma ideia da magnitude média dos erros,
sendo especialmente útil quando desejamos que os erros sejam penalizados de forma mais
equilibrada.
v
u n−1
u1 X
RM SE(y, ŷ) = t (y i − ŷi )2
n i=0

2.6 Conclusão

Neste capítulo foram apresentadas as definições e características dos principais

conceitos e ferramentas envolvidas neste trabalho. Na etapa seguinte, serão abordados
os trabalhos relacionados e, posteriormente, a proposta e avaliação experimental serão
detalhadas, onde será possível observar a aplicação prática dos itens apresentados nesta
seção.
 33

3 TRABALHOS RELACIONADOS

Nesta seção, serão apontados alguns trabalhos relacionados ao tema que serviram
como base referencial para esta pesquisa. Há diversos trabalhos que comparam diferentes
abordagens no espectro da inteligência artificial para a predição de preços, volatilidade,
tendências e análises relacionadas. No campo da análise de sentimento também há vasta
bibliografia disponível, utilizando diferentes abordagens desta técnica para propor modelos
preditivos de tendência de preço e volatilidade para ativos financeiros variados. No entanto,
não há consenso claro entre os trabalhos analisados.
Fang et al. (2022) foi um bom ponto de partida e apresenta uma excelente revisão
bibliográfica sobre sobre a pesquisa de negociação de criptomoedas, cobrindo 146 trabalhos
de que abordam diferentes tópicos, como sistemas de negociação de criptomoedas, bolhas e
condições extremas, previsão de volatilidade e retorno, construção de portfólio, negociação
técnica e outros
Shakri (2021) apresentou um trabalho interessante, onde utilizou 5 diferentes
métodos para prever os retornos do Bitcoin: Alternating Model Tree, RF, MLR, MLP e
M5 Trees. Este estudo usou vários preditores para prever retornos do Bitcoin, incluindo
incerteza de política econômica, índice de volatilidade do mercado de ações, retornos de
S&P, Taxas de câmbio do EUR/USD, preços do petróleo e do ouro, volatilidades e retornos.
Na conclusão do trabalho, observou-se que o modelo de RF teve desempenho superior aos
demais. Neste trabalho, utilizaremos uma abordagem parecida, porém com a utilização de
algumas séries históricas diferentes, bem como a utilização de outros modelos.
Dias, Fernando and Fernando (2022) investiga hipóteses relacionadas ao efeito do
sentimento dos investidores na previsão dos retornos e volatilidade do Bitcoin utilizando
regressão quantílica, no período de 2017 a 2021. As descobertas demonstram que o interesse
e as emoções dos investidores são preditores significativos dos retornos e volatilidade do
Bitcoin, enquanto o VIX e o fórum [Link] são os preditores mais adequados para
representar as emoções e o interesse dos investidores, respectivamente. As descobertas
também indicam uma relação não linear entre o sentimento dos investidores e os retornos
e volatilidade do Bitcoin, com o poder de previsão variando com base nas condições de
mercado.
Virk (2017) faz uma comparação de RF, SVM, GB e LR. Os resultados mostraram
que o SVM alcançou a maior precisão (0,62) entre os algoritmos de aprendizado de máquina
de classificação binomial e, na categoria de regressão, o GB conseguiu o maior R-quadrado:
0,99. Mallqui and Fernandes (2018) analisou o comportamento de ANN, SVM e algoritmos
Ensemble (baseados em Redes Neurais Recorrentes e método de agrupamento k-Means)
34

para predição de direção de preços. Os resultados mostraram que os atributos selecionados

e o melhor modelo de aprendizado de máquina alcançaram uma melhoria de mais de 10%,
na precisão, para as previsões de direção de preço, em relação aos artigos utilizados como
referência, usando o mesmo período de informação. Além disso, foi possível obter erros
percentuais médios absolutos entre 1% e 2%. Em Ji, Kim and Im (2019) foram comparados
vários métodos de aprendizado profundo, como uma DNN, uma rede LSTM, uma rede
neural convolucional, uma rede residual profunda, e suas combinações para previsão de
preço do Bitcoin. Os resultados experimentais mostraram que, embora os modelos de
previsão baseados em LSTM tenham superado ligeiramente os outros modelos de previsão
para previsão de preço do Bitcoin (regressão), os modelos baseados em DNN tiveram o
melhor desempenho para previsão de preços altos e baixos (classificação).
Em Uras et al. (2020), alguns métodos foram estudados: SLR para previsão de
séries univariadas usando apenas preços de fechamento e o modelo de MLR para séries
multivariadas usando preços e dados de volume, MLP e LSTM, tendo sua aplicação nas
criptomoedas comparadas aos trabalhos realizados no mercado de ações. Neste trabalho,
os algoritmos de LSTM e de regressão tiveram um bom desempenho, e algumas conclusões
interessantes foram relatadas, destacando uma grande melhora nos modelos regressivos
ao segmentar o histórico de dados em partições que apresentassem uma certa tendência,
distanciando-se do chamado "random walk". M. et al. (2020) comparou LR e SVM usando
uma série temporal composta por preços de fechamento diários da criptomoeda Ether com
diferentes comprimentos de janela e filtros com diferentes coeficientes de peso. A conclusão
deste trabalho foi que o método SVM conseguiu maior acurácia (96,06%) do que o método
LR (85,46%).
D’Amato, Levantesi and Piscopo (2022) baseia-se em técnicas de aprendizado
profundo, especificamente, Jordan Neural Network (JNN), Non-Linear Autoregressive
Neural Network (NLANN) e Self Exciting Threshold Autoregressive (SETAR) para analisar
a volatilidade do Bitcoin.
Felizardo et al. (2022) estende a comparação entre a abordagem supervisionada
e o aprendizado por reforço. Utilizando a arquitetura ResNet no ator ResNet-LSTM
(RSLSTM-A), realizou-se a comparação com técnicas de aprendizado por reforço clássicas
e recentes, como aprendizado por reforço recorrente, rede Q profunda e crítico de ator
de vantagem considerando as criptomoedas Bitcoin, Litecoin, Ethereum, Monero, Nxt
e Dash. O estudo mostra que a abordagem proposta alcança melhor desempenho geral,
confirmando a hipótese que o aprendizado supervisionado pode superar o aprendizado por
reforço para negociação de ativos.
Giaglis et al. (2015) estudou a relação do Bitcoin com variáveis financeiras, fatores
tecnológicos e também a influência do sentimento coletivo extraído de dados do Twitter,
com a utilização de SVMs, concluindo através de regressões de curto prazo que há correlação
 35

positiva entre o preço do Bitcoin e o sentimento nas redes sociais.

Colianni, Rosales and Signorotti (2015) utilizou algoritmos de aprendizado super-
visionado, como regressão logística, Naive Bayes e SVM, para analisar dados obtidos no
Twitter e obteve uma precisão superior a 90% para previsão da direção dos preços hora a
hora ou diários do Bitcoin.
Valencia, Gómez-Espinosa and Valdes (2019) comparou a utilização de redes neurais,
SVM e RF usando elementos do Twitter e dados de mercado como recursos de entrada. Os
resultados mostram que é possível prever mercados de criptomoedas usando aprendizado
de máquina e análise de sentimento, onde os dados do Twitter por si só podem ser
usados para prever certas criptomoedas e que NN superam os outros modelos. Garcia
and Schweitzer (2015) apresenta um modelo combinando o volume de operações, valência
emocional e polarização de opinião, conforme expresso em tweets relacionados ao Bitcoin
por mais de 3 anos. Foi observado que os aumentos na polarização de opinião e no volume
transacional precedem o aumento dos preços do Bitcoin e que a valência emocional precede
a polarização de opinião e o aumento dos volumes transacionais. Este modelo foi aplicado
a uma estratégia de negociação que apresentou ótimos resultados em menos de um ano.
Oikonomopoulos et al. (2022) usou a análise de sentimentos do Twitter para prever
as flutuações de preço das criptomoedas usando a biblioteca VADER. A previsibilidade dos
retornos de preços é examinada com Vector Autoregression (VAR) e previsões altamente
precisas para duas das sete criptomoedas foram alcançadas. Mais especificamente, as
previsões de preços de Ethereum e Polkadot atingiram 99,67% e 99,17% de precisão,
respectivamente. Em Abraham et al. (2018), foram analisados o sentimento e o volume de
buscas (Google Trends) e de tweets em redes sociais (Twitter), e concluiu-se que o volume
de buscas e tweets foi a variável que melhor conseguiu prever a direção do preço do Bitcoin
e do Ethereum.
Pichl and Kaizoji (2017) estudou a volatilidade do Bitcoin ao longo dos últimos
cinco anos, realizando uma análise em várias escalas, desde os dados instantâneos até as
escalas de 5 minutos, 1 hora e 1 dia, e utiliza um modelo autorregressivo para a volatilidade
realizada.
Na Tabela 1, é possível observar um comparativo dos trabalhos analisados.
36

Estudo Variável Analisada Modelos Preditivos Utiliza Índices de Sentimento?

Colianni, Rosales and Signorotti (2015) Direção LGR, Naive Bayes e SVM Sim
Garcia and Schweitzer (2015) Direção VAR Sim
Giaglis et al. (2015) Preço SMV Sim
Lamon, Nielsen and Redondo (2017) Direção LGR, Naive Bayes e SVM Sim
Pichl and Kaizoji (2017) Volatilidade HAR Não
Virk (2017) Preço RF, SVM, GB e LR Não
Mallqui and Fernandes (2018) Direção ANN, SVM, RNN e K-Means Não
Ji, Kim and Im (2019) Preço DNN, LSTM, CNN, ResNet Não
Abraham et al. (2018) Direção MLR Sim
Valencia, Gómez-Espinosa and Valdes (2019) Preço NN, SVM e RF Sim
Uras et al. (2020) Preço SLR, MLR, MLP e LSTM Não
M. et al. (2020) Preço LR e SVM Não
Shakri (2021) Retorno AMT, RF, MLR, MLP e M5 Trees Sim
Dias, Fernando and Fernando (2022) Volatilidade QR Sim
D’Amato, Levantesi and Piscopo (2022) Volatilidade JNN, SETAR, NAR NN Não
Felizardo et al. (2022) Preço ResNet, RL e DQN Não
Oikonomopoulos et al. (2022) Retorno VAR Sim

Tabela 1 – Estudos sobre modelos preditivos em criptomoedas

 37

4 METODOLOGIA

Neste capítulo será detalhada a metodologia deste trabalho, que tem como objetivo
comparar a previsão dos retornos e volatilidade do Bitcoin através de utilização de modelos
de aprendizado supervisionado, a partir de um conjunto de dados históricos de ativos
financeiros e índices de sentimento selecionados.

4.1 Ativos financeiros

Na Tabela 2 é possível observar o símbolo utilizado para a representação do ativo e

descrição resumida de cada componente presente no modelo.

Símbolo Descrição
BTC Bitcoin
SPX Índice S&P500
NDQ Índice Nasdaq
EUR Taxa de câmbio EUR/USD
GLD Ouro
TYX Título Treasury 10-Year
OIL Crude OIL

Tabela 2 – Símbolos e descrições dos ativos financeiros utilizados.

A seguir, serão abordados alguns detalhes a respeito de cada um dos ativos menci-
onados:

1. Bitcoin: representa a variável de interesse neste trabalho. Além das variáveis que
este trabalho se propõe a estudar e que serão abordadas na sequência, o preço
do Bitcoin também é determinado pela oferta e demanda no mercado, e pode ser
influenciado por vários fatores, como adoção global, regulamentação governamental,
eventos geopolíticos e sentimento do mercado.

2. Índice S&P 500: O S&P 500 é um índice ponderado de mercado que acompanha o
desempenho de 500 grandes empresas negociadas nas bolsas de valores dos Estados
Unidos. Ele é frequentemente usado como um indicador amplo do desempenho do
mercado de ações nos EUA. O preço do S&P 500 é influenciado pelo desempenho das
empresas incluídas no índice, bem como por fatores econômicos, políticos e eventos
globais que afetam o mercado de ações. S&P faz referência a Standard & Poor’s,
uma empresa de consultoria financeira.

3. Nasdaq: Nasdaq é uma bolsa de valores eletrônica nos Estados Unidos, onde são
negociadas várias empresas de tecnologia e do setor de crescimento. Além disso, o
38

termo "Nasdaq"também é frequentemente usado para se referir ao índice Nasdaq

Composite, que acompanha o desempenho de mais de 3.000 ações listadas no Nasdaq.
O índice Nasdaq é especialmente conhecido por incluir empresas de tecnologia, e no
passado recente é possível observar uma forte correlação entre os movimentos nos
preços do índice e do Bitcoin.

4. Taxa de câmbio EUR/USD: A taxa de câmbio EUR/USD representa a taxa de

câmbio entre o euro (EUR) e o dólar americano (USD). Essa taxa indica quantos
dólares americanos são necessários para comprar um euro. Ela é influenciada por
diversos fatores, incluindo políticas monetárias dos bancos centrais, indicadores
econômicos, eventos políticos e o sentimento do mercado em relação ao euro e ao
dólar americano.

5. Ouro: O ouro é um metal precioso amplamente reconhecido como reserva de valor.

Historicamente, o ouro tem sido utilizado como uma proteção contra a inflação e
a volatilidade dos mercados financeiros. O preço do ouro é influenciado por fatores
como oferta e demanda, taxas de juros, valor do dólar americano, instabilidade
geopolítica e incerteza econômica.

6. Títulos do governo americano (10 anos): Os títulos do governo americano, como os

títulos do Tesouro dos Estados Unidos, são considerados investimentos seguros e de
baixo risco. Eles representam empréstimos feitos pelos investidores ao governo dos
Estados Unidos em troca de juros. Os preços dos títulos do governo são afetados por
fatores como a taxa de juros, inflação, oferta e demanda por esses títulos, bem como
pela confiança dos investidores na solvência do governo. Esses títulos são conhecidos
por sua liquidez e são amplamente utilizados como uma referência para as taxas de
juros de longo prazo nos mercados financeiros.

7. Crude Oil: refere-se ao petróleo bruto, que é uma das commodities mais negociadas no
mercado financeiro. Existem vários mercados onde o petróleo bruto é negociado, como
a New York Mercantile Exchange (NYMEX) nos Estados Unidos e a Intercontinental
Exchange (ICE) em Londres. Os contratos futuros de petróleo bruto são uma
forma comum de investimento nesse ativo financeiro. O preço do petróleo bruto
é influenciado por uma série de fatores, como oferta e demanda globais, eventos
geopolíticos, políticas governamentais e condições econômicas. Alterações na oferta,
como descobertas de novas reservas ou interrupções na produção, e mudanças na
demanda, impulsionadas pelo crescimento econômico global ou pela adoção de fontes
de energia alternativas, podem afetar significativamente o preço do petróleo bruto.
 39

4.2 Análise de Sentimento

Além do histórico de preços, retornos e volatilidades históricas, mencionados

na seção anterior, foram incluídos também alguns indicadores de sentimento, conforme
indicado na Tabela 3:

Símbolo Descrição
VIX CBOE Volatility Index
FEAR Bitcoin Fear & Greed Index
NEWS FRBSF Daily News Sentiment Index
TWITTER Twitter-based Economic Uncertainty Index
WIKI Número de visitas à pagina da Wikipedia

Tabela 3 – Símbolos e descrições dos índices de sentimento utilizados.

1. VIX: esta é a abreviação do CBOE Volatility Index da Chicago Board Options

Exchange, e representa uma medida financeira que reflete a expectativa de volatilidade
dos preços no mercado de ações. Também é conhecido como o "índice de medo", pois
tende a aumentar quando os investidores estão preocupados com a possibilidade de
quedas acentuadas nos preços das ações. O VIX é calculado com base nas opções
de compra e venda de curto prazo de um índice amplo, como o S&P 500. Quando
os mercados estão mais voláteis, os preços das opções aumentam, levando a um
aumento no valor do VIX. Em resumo, o VIX serve como um indicador da confiança
e do sentimento dos investidores em relação à estabilidade futura do mercado de
ações (WHALEY, 2009).

2. Bitcoin Fear & Greed Index: indicador desenvolvido para medir o sentimento predo-
minante no mercado de Bitcoin com base em uma variedade de fatores e métricas.
Ele oferece uma representação simplificada do estado emocional dos participantes do
mercado, indicando se eles estão mais inclinados ao medo ou à ganância em relação
ao preço e às perspectivas do Bitcoin (BITCOIN. . . , 2018). O índice é calculado
usando uma combinação de informações, incluindo:

• Volatilidade de Preço: variação de preço do Bitcoin. Uma volatilidade maior

pode indicar sentimentos extremos.
• Volume de Negociação: quantidade de Bitcoin sendo comprada e vendida. Um
volume elevado pode indicar movimentos significativos no mercado.
• Atividade em Mídias Sociais: sentimento expresso nas redes sociais e fóruns
relacionados ao Bitcoin.
• Pesquisas de Mercado: pesquisas e enquetes que avaliam a opinião dos investi-
dores sobre o mercado.
40

• Dominância de Mercado: participação do Bitcoin em relação a outras criptomo-

edas no mercado.
• Índices de Preço Atuais e Históricos: como o preço atual do Bitcoin se compara
a seu histórico recente.

Com base nesses dados, o índice é calculado e apresentado como um número entre 0 e
100. Pontuações mais baixas, próximas a 0, tendem a indicar um mercado dominado
pelo medo, o que pode sugerir oportunidades de compra para investidores que buscam
preços mais baixos. Pontuações mais altas, próximas a 100, indicam um mercado
dominado pela ganância, o que pode sinalizar a possibilidade de uma correção de
preços em breve.

3. FRBSF Daily News Sentiment Index: este é um índice desenvolvido pelo Federal
Reserve Bank of San Francisco para acompanhar o sentimento nas notícias diárias
com o objetivo de avaliar o impacto das notícias sobre a economia (BUCKMAN et
al., 2020).
O índice é construído através da análise de artigos de notícias e outros textos para
determinar o tom emocional presente neles, ou seja, se as notícias têm um sentimento
positivo, negativo ou neutro. Essa análise é feita usando técnicas de processamento
de linguagem natural e aprendizado de máquina.
O FRBSF Daily News Sentiment Index pode ser usado como uma ferramenta para
entender como o sentimento nas notícias pode afetar as decisões econômicas, como
investimentos e gastos dos consumidores. Por exemplo, um aumento no sentimento
positivo nas notícias pode indicar otimismo em relação à economia, o que poderia
influenciar as decisões de investimento e gastos das pessoas e empresas.

4. Twitter-based Economic Uncertainty Index: métrica desenvolvida com base em dados

do Twitter para avaliar a incerteza econômica. Ele faz parte de um esforço mais
amplo para medir a incerteza econômica usando informações disponíveis online, como
notícias, pesquisas de palavras-chave e, no caso desse índice, mensagens do Twitter
(BAKER et al., 2021).
O índice é calculado analisando os tweets que mencionam temas relacionados à eco-
nomia e à incerteza econômica. Isso pode incluir discussões sobre política econômica,
indicadores econômicos, mudanças nas condições de mercado e outros tópicos afins.
O índice utiliza algoritmos de processamento de linguagem natural para identificar e
classificar os tweets de acordo com a intensidade da incerteza econômica expressa.
A ideia por trás do Twitter-based Economic Uncertainty Index é que as redes sociais,
como o Twitter, podem refletir o sentimento e a percepção do público em relação à
economia. As pessoas muitas vezes compartilham suas opiniões e preocupações sobre
 41

questões econômicas em plataformas de mídia social, o que pode fornecer insights

sobre os níveis de incerteza.

5. Visualizações da Wikipedia: a Wikipedia é uma enciclopédia online colaborativa e

de acesso gratuito, que abrange uma ampla gama de tópicos e conhecimentos. A
plataforma utiliza um modelo wiki, onde qualquer pessoa pode editar as páginas
existentes ou criar novos artigos, resultando em uma base de dados vasta e diver-
sificada. Com milhões de artigos em diversos idiomas, a Wikipedia se tornou uma
das fontes de informação mais acessadas globalmente, embora sua natureza aberta
também tenha gerado discussões sobre precisão e confiabilidade em alguns casos.
Portanto, as visualizações diárias da página sobre Bitcoin no site são coletadas para
quantificar o sentimento dos investidores. Este índice de sentimento visa representar
o nível de interesse do público sobre o assunto através do número de acessos ao
referido website1 .

4.3 Conclusão

Neste capítulo foram apresentados detalhes sobre os ativos e índices de sentimento

escolhidos para compor a análise preditiva, além de uma breve explicação sobre todos os
modelos testados no desenvolvimento do trabalho. A seguir, serão expostos os detalhes
da avaliação experimental, como a obtenção das séries de retorno e volatilidade, as
características das séries de dados e apresentação dos resultados obtidos.

1 [Link]
 43

5 AVALIAÇÃO EXPERIMENTAL

5.1 Conjuntos de Dados

Para o desenvolvimento deste trabalho1 utilizamos a versão 3.11 do Pyhton. As

séries históricas preço dos ativos financeiros foram obtidos com auxílio da biblioteca
yfinance. Esta biblioteca é uma ferramenta popular para acessar e obter dados financeiros
diretamente do site Yahoo Finance. Ela permite aos desenvolvedores e analistas financeiros
acessar uma ampla gama de informações, como histórico de preços de ações, dados de
mercado, estatísticas financeiras e muito mais. Para este trabalho, estamos utilizando o
preço de fechamento ajustado de cada um dos ativos financeiros descritos na seção anterior.
Utilizamos dados do histórico de preços de 17/01/2017 até 30/06/2023.
Após a obtenção das séries históricas de preço (figura 4), foram calculadas as
série de retorno r (equação 5.1, figura 5) e, a partir dos retornos, a volatilidade histórica
anualizada σ (equação 5.2, figura 6) de cada ativo. As variáveis pt e rt representam o preço
e o retorno do ativo no instante de tempo t. A variável r̂ representa a média dos retornos
no período, representado por N , cujo valor utilizado para o cálculo das volatilidades foi de
21 dias. Nas figuras 8, 9, 10 são apresentadas, respectivamente, as matrizes de correlação
das séries históricas de preços, retornos e volatilidades dos ativos financeiros selecionados.

pt
rt = ln( ) (5.1)
pt−1

1 X t √
σt = (rt − r̂)2 ∗ 252 (5.2)
N t−N

No caso dos índices de sentimento, além da biblioteca yfinance, as séries históricas

também foram obtidas através de websites especializados em cada indicador2 . Os históricos
dos índices de sentimento estão representados na figura 7 e a matriz de correlação na
figura 11.

1 O código-fonte pode ser acessado em [Link]

2 Policy Uncertainty: [Link]
FRBSF Daily News Sentiment: [Link] em cada abordagem.
Bitcoin Fear & Greed Index: [Link]
Visitas à Wikipedia: [Link]
44

Figura 4 – Séries históricas de preços

 45

Figura 5 – Séries históricas de retornos

46

Figura 6 – Séries históricas de volatilidades

 47

Figura 7 – Séries históricas dos índices de sentimento

48

Figura 8 – Matriz de correlação das séries de preço

Figura 9 – Matriz de correlação das séries de retorno

 49

Figura 10 – Matriz de correlação das séries de volatilidade

Figura 11 – Matriz de correlação das séries de índices de sentimento

50

5.2 Configuração Experimental

Em praticamente todas as etapas do experimento foi utilizada a biblioteca skle-

arn. A biblioteca sklearn, também conhecida como scikit-learn, é uma das bibliotecas
de aprendizado de máquina mais populares e amplamente utilizadas em Python. Ela
fornece uma ampla gama de algoritmos de aprendizado de máquina e ferramentas para
pré-processamento de dados, validação de modelos, seleção de modelos e avaliação de
desempenho (PEDREGOSA et al., 2011).

5.2.1 Pré-processamento

A etapa de pré-processamento consiste na junção de todas as séries de dados obtidas

e limpeza do conjunto, excluindo-se as informações indesejadas para cada modelo e os
registros com valores ausentes. Foram criados dois conjuntos de dados de entrada distintos
para o nosso modelo, o primeiro contendo apenas as séries históricas dos retornos e das
volatilidades, e o segundo sendo o primeiro acrescido das séries históricas dos índices de
sentimento, para posterior análise comparativa de desempenho dos modelos.

5.2.2 Seleção de Variáveis

Neste trabalho foram testados quatro diferentes métodos de seleção de variáveis,

descritos na Tabela 4:

Símbolo Descrição
SKB Select K-Best
VIF Variance Inflation Factor
RFE Recursive Feature Elimination
RFECV RFE with Cross-Validation

Tabela 4 – Métodos de seleção de variáveis

Nas Tabelas 5 e 6 é possível observar quais variáveis foram selecionadas por

cada método considerando os diferentes conjuntos de entrada (com ou sem os índices de
sentimento, representado na coluna "Sent?").
 51

Método Sent? Variáveis Selecionadas

SKB Não retOIL, retGLD, retSPX
SKB Sim FEAR, retGLD, retSPX
RFE Não retEUR, retGLD, retNDQ
RFE Sim retEUR, retGLD, retNDQ
VIF Não retOIL, retEUR, retGLD, retTYX, volOIL, volEUR, volGLD
VIF Sim retOIL, retEUR, retGLD, retTYX, volOIL, volEUR, volGLD, FEAR, NEWS, WIKI
RFECV Não retNDQ
RFECV Sim retEUR, retGLD, retNDQ, retSPX, retTYX, volEUR

Tabela 5 – Seleção de variáveis na previsão dos retornos.

Método Sent? Variáveis Selecionadas

SKB Não volNDQ, volTYX, volSPX
SKB Sim volGLD, volTYX, volNDQ
VIF Não retOIL, retEUR, retGLD, retTYX, volOIL, volEUR, volGLD
VIF Sim retOIL, retEUR, retGLD, retTYX, volOIL, volEUR, volGLD, FEAR, NEWS, WIKI
RFE Não retEUR, volEUR, volSPX
RFE Sim retEUR, volEUR, volSPX
RFECV Não retEUR, volEUR
RFECV Sim retOIL, retEUR, retSPX, volEUR, volGLD, volNDQ, volSPX, NEWS

Tabela 6 – Seleção de variáveis na previsão da volatilidade.

5.2.3 Modelos

Para executar os modelos, separamos os dados em conjuntos de treino e teste para

treinar nosso modelo de regressão. Na Tabela 7 estão listados os modelos utilizados neste
trabaho. Foram utilizados os 70% iniciais dos dados para o conjunto de treinamento e os
30% finais para o conjunto de testes.

Símbolo Descrição
LR Linear Regression
KNN K-Nearest Neighbors
DT Decision Tree
RF Random Forest
HGB Histogram-Based Gradient Boosting

Tabela 7 – Modelos de regressão utilizados.

5.3 Resultados e Discussões

As métricas escolhidas para a comparação do desempenho dos modelos foram: R2 ,

Erro Absoluto Médio (MAE), Erro Percentual Médio Absoluto (MAPE), Erro Quadrático
Médio (MSE) e Raiz do Erro Quadrático Médio (RMSE). Nas Tabelas 8 e 9 são apresentados
os comparativos das métricas de avaliação propostas para cada modelo preditivo, bem
como o conjunto de dados de entrada e o método de seleção de variáveis utilizado. Os
resultados estão ordenados pelo R2 de maneira decrescente.
52

No caso dos retornos, é possível observar que o modelo com melhor desempenho foi
o Random Forest Regressor, apresentando o maior R2 (70,28%) e os menores erros quando
comparado aos demais modelos. A adição dos índices de sentimento no conjunto de dados
de entrada não foi vantajosa para este problema, representando uma piora na performance
de quase todos os modelos, quando comparados com o mesmo modelo usando o conjunto
de dados apenas com retornos e volatilidades na entrada. Neste caso, em todos os cenários
o método de seleção de variáveis escolhido foi o RFE.

Modelo Sent? FS R2 MAE MAPE MSE RMSE

RF Não RFE 0.7028 0.0167 1.7948 0.0007 0.0258
HGB Não RFE 0.6905 0.0165 2.8161 0.0007 0.0264
RF Sim RFE 0.6756 0.0163 1.7483 0.0007 0.0259
HGB Sim RFE 0.6743 0.0148 1.7162 0.0007 0.0260
DT Não RFE 0.4958 0.0134 1.2256 0.0011 0.0337
DT Não RFE 0.3893 0.0145 1.6373 0.0013 0.0355
KNN Sim RFE 0.2052 0.0285 2.6814 0.0016 0.0405
KNN Não RFE 0.1713 0.0306 5.1121 0.0019 0.0432
LR Sim RFE 0.1071 0.0298 3.5540 0.0018 0.0430
LR Não RFE 0.092 0.0304 3.1668 0.002 0.0452

Tabela 8 – Performance dos modelos na predição dos retornos ordenados pelo R2

No caso da volatilidade, o modelo com melhor desempenho também foi o Random

Forest Regressor, apresentando o maior R2 (78,40%) e os menores erros quando comparado
aos demais modelos. Neste cenário, a adição dos índices de sentimento no conjunto de
dados de entrada foi bastante vantajosa, representando uma melhora considerável em
todos os modelos, quando comparados com o mesmo modelo usando o conjunto de dados
apenas com retornos e volatilidades na entrada. Neste caso, utilizando o conjunto de dados
enriquecido com os índices de sentimento, o método de seleção de variáveis escolhido foi o
RFECV, e utilizando o conjunto de dados apenas com retornos e volatilidades, os métodos
de seleção de variáveis foram descartados e todas as variáveis originais foram utilizadas
pelo modelo.
Observando no detalhe apenas a métrica R2 , é possível comparar a performance
dos modelos considerando os contendo os índices de sentimento ou apenas com as séries
de retornos e volatilidades nas figuras 12 e 13.
 53

Modelo Sent? FS R2 MAE MAPE MSE RMSE

RF Sim RFECV 0.7840 0.0723 0.1341 0.0174 0.1321
KNN Sim RFECV 0.7501 0.0964 0.1795 0.0202 0.1421
HGB Sim RFECV 0.7302 0.0751 0.1387 0.0218 0.1476
RF Não - 0.5831 0.1027 0.2037 0.0372 0.1929
HGB Não - 0.5768 0.1005 0.2012 0.0378 0.1943
DT Não - 0.5629 0.0858 0.1715 0.0353 0.1879
DT Sim RFECV 0.5534 0.0899 0.1748 0.0399 0.1996
LR Sim RFECV 0.4280 0.1659 0.2987 0.0462 0.2149
KNN Não - 0.2155 0.1834 0.3614 0.0700 0.2646
LR Não - 0.0047 0.2412 0.4537 0.0888 0.2980

Tabela 9 – Performance dos modelos na predição da volatilidade ordenados pelo R2

Figura 12 – Comparação do R2 para os modelos na predição dos retornos do Bitcoin.

54

Figura 13 – Comparação do R2 para os modelos na predição da volatilidade do Bitcoin.

 55

6 CONCLUSÕES

Neste trabalho foi proposta uma comparação entre diversas técnicas para a predição
dos retornos e volatilidade do Bitcoin. O propósito subjacente é fornecer apoio à tomada
de decisão no contexto de estratégias de negociação eletrônica de criptomoedas. Para tal,
foi considerada uma combinação de dados históricos dos ativos financeiros selecionados,
combinados com índices de sentimento sobre o próprio Bitcoin, economia, redes sociais e
notícias.
Concluímos que, dentre os modelos aplicados, tivemos melhor desempenho na
predição da volatilidade, quando comparada aos retornos do Bitcoin. O Random Forest
foi o modelo que apresentou melhor desempenho em ambos os cenários, apresentando um
coeficiente de determinação (R2 ) de 78,40% quando utilizado para prever a volatilidade.
Observou-se ainda que, para a predição da volatilidade do Bitcoin, a adição dos índices de
sentimento representou melhora na performance em todos os modelos, porém esta mesma
melhora não foi observada na predição dos retornos.
Para trabalhos futuros, pretende-se avaliar técnicas de tuning para cada modelo
escolhido, além de executar e documentar uma estratégia de negociação de volatilidade
baseada nas predições do modelo com melhor performance. Adicionalmente, conforme
mencionado em seções anteriores, a motivação para a escolha do Bitcoin como variável
dependente neste trabalho deu-se principalmente pela sua predominância no mercado
das criptomoedas, porém também é possível aplicar a metodologia proposta a outras
criptomoedas.
 57

REFERÊNCIAS

ABRAHAM, J. et al. Cryptocurrency price prediction using tweet volumes and sentiment
analysis. In: . [S.l.: s.n.], 2018.

BAKER, S. R. et al. Twitter-derived measures of economic uncertainty. In: . [S.l.: s.n.],

2021. Available at: <[Link]

BITCOIN Fear Greed Index. 2018. <[Link]

>. Accessed: 2023-07-31.

BUCKMAN, S. R. et al. News Sentiment in the Time of COVID-19. FRBSF

Economic Letter, v. 2020, n. 08, p. 1–05, April 2020. Available at: <https:
//[Link]/a/fip/fedfel/[Link]>.

CHEN, T. et al. Xgboost: extreme gradient boosting. R package version 0.4-2, v. 1,

n. 4, p. 1–4, 2015.

COLIANNI, S. G.; ROSALES, S. M.; SIGNOROTTI, M. Algorithmic trading of

cryptocurrency based on twitter sentiment analysis. In: . [S.l.: s.n.], 2015.

DIAS, I. K.; FERNANDO, J. R.; FERNANDO, P. N. D. Does investor sentiment

predict bitcoin return and volatility? a quantile regression approach. International
Review of Financial Analysis, v. 84, p. 102383, 2022. ISSN 1057-5219. Available at:
<[Link]

D’AMATO, V.; LEVANTESI, S.; PISCOPO, G. Deep learning in predicting

cryptocurrency volatility. Physica A: Statistical Mechanics and its Applications,
v. 596, p. 127158, 2022. ISSN 0378-4371. Available at: <[Link]
science/article/pii/S0378437122001704>.

FANG, F. et al. Cryptocurrency trading: a comprehensive survey. Financial

Innovation, v. 8, n. 1, p. 13, Feb 2022. ISSN 2199-4730. Available at: <https:
//[Link]/10.1186/s40854-021-00321-6>.

FELIZARDO, L. K. et al. Outperforming algorithmic trading reinforcement learning

systems: a supervised approach to the cryptocurrency market. Expert Systems with
Applications, 2022.

GARCIA, D.; SCHWEITZER, F. Social signals and algorithmic trading of

bitcoin. Royal Society Open Science, v. 2, n. 9, p. 150288, 2015. Available at:
<[Link]

GIAGLIS, G. et al. Using time-series and sentiment analysis to detect the determinants of
bitcoin prices. In: . [S.l.: s.n.], 2015.

GUJARATI, D. N.; PORTER, D. C. Basic Econometrics. 5. ed. [S.l.: s.n.]:

McGraw-Hill/Irwin, 2009. ISBN 978-0-07-337577-9.

HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The Elements of Statistical

Learning Data Mining, Inference, and Prediction. [S.l.: s.n.], 2009.
58

JI, S.; KIM, J.; IM, H. A comparative study of bitcoin price prediction using
deep learning. Mathematics, v. 7, n. 10, 2019. ISSN 2227-7390. Available at:
<[Link]

LAMON, C.; NIELSEN, E.; REDONDO, E. Cryptocurrency price prediction using news
and social media sentiment. In: . [S.l.: s.n.], 2017.

M., P. et al. Prediction of the price of ethereum blockchain cryptocurrency in an

industrial finance system. Computers Electrical Engineering, v. 81, p. 106527,
2020. ISSN 0045-7906. Available at: <[Link]
S0045790618331343>.

MALLQUI, D.; FERNANDES, R. Predicting the direction, maximum, minimum and

closing prices of daily bitcoin exchange rate using machine learning techniques. Applied
Soft Computing, v. 75, 12 2018.

MONTGOMERY, D. C.; PECK, E. A.; VINING, G. G. Introduction to Linear

Regression Analysis. 5th. ed. [S.l.: s.n.]: John Wiley Sons, Inc, 2012.

MOUGAYAR, W. The business blockchain: Promise, practice, and application of

the next internet technology. [S.l.: s.n.]: John Wiley amp; Sons, 2016.

NAKAMOTO, S. Bitcoin: A Peer-to-Peer Electronic Cash System. 2008. Available

at: <[Link]>.

NARAYANAN, A. et al. Bitcoin and Cryptocurrency Technologies. 2016.

OIKONOMOPOULOS, S. et al. Cryptocurrency price prediction using social media

sentiment analysis. In: 2022 13th International Conference on Information,
Intelligence, Systems Applications (IISA). [S.l.: s.n.], 2022. p. 1–8.

OKSANEN, A. et al. Gambling and online trading: emerging risks of real-time stock and
cryptocurrency trading platforms. Public Health, v. 205, p. 72–78, 2022. ISSN 0033-3506.
Available at: <[Link]

PANG, B.; LEE, L. Opinion mining and sentiment analysis. 2008. 1-135 p.

PEDREGOSA, F. et al. Scikit-learn: Machine learning in Python. Journal of Machine

Learning Research, v. 12, p. 2825–2830, 2011.

PICHL, L.; KAIZOJI, T. Volatility analysis of bitcoin. Quantitative Finance and

Economics, v. 1, n. 4, p. 474–485, 2017.

SHAKRI, I. Time series prediction using machine learning: a case of bitcoin returns.
Studies in Economics and Finance, ahead-of-print, 11 2021.

TAPSCOTT, D.; TAPSCOTT, A. Blockchain Revolution: How the technology

behind Bitcoin is changing money, business and the world. [S.l.: s.n.]: Portfolio
Penguin, 2018.

URAS, N. et al. Forecasting Bitcoin closing price series using linear regression
and neural networks models. 2020.
 59

VALENCIA, F.; GóMEZ-ESPINOSA, A.; VALDES, B. Price movement prediction of

cryptocurrencies using sentiment analysis and machine learning. Entropy, v. 21, p. 1–12,
06 2019.

VIRK, D. S. Prediction of bitcoin price using data mining. In: . [S.l.: s.n.], 2017.

WHALEY, R. Understanding the vix. The Journal of Portfolio Management, v. 35,

p. 98–105, 02 2009.