Use este identificador para citar ou linkar para este item: https://repositorio.unipampa.edu.br/jspui/handle/riu/7524
Tipo: Trabalho de Conclusão de Curso
Título: Uso de algoritmos para predição de séries temporais aplicado ao mercado de criptomoedas
Autor(es): Correia, Gabriel Ritta
Primeiro Orientador: Nunes, Gerson Alberto Leira
1° Membro da banca: Nunes, Gerson Alberto Leiria
2° Membro da banca: Betemps, Carlos Michel
3° Membro da banca: Pinho, Leonardo Bidese de
Resumo: O rápido crescimento da capacidade de processamento de dados decorrente da evolução do poder computacional, está diretamente relacionado com as técnicas de aprendizado de máquina e redes neurais, pois esta evolução permite a criação de sistemas capazes de realizar predições precisas de séries temporais. Este trabalho aborda conceitos de inteligência artificial, aprendizado de máquina, criptomoedas e principalmente modelos de predições de séries temporais, como: Facebook ’s Prophet, ARIMA e LSTM. Este trabalho tem como objetivo verificar a capacidade desses modelos quanto a predição do valor de criptomoedas. Apresenta-se um referencial teórico que introduz conceitos importantes para o entendimento do assunto, bem como as principais tecnologias que são utilizadas na atualidade e os trabalhos correlatos. São apresentadas as métricas de desempenho adotadas (MAPE e RMSE) para avaliar os modelos e os testes realizados utilizando as ferramentas Facebook’s Prophet, ARIMA e LSTM, bem como uma analise comparativa dos resultados obtidos. Os modelos desenvolvidos conseguiram acompanhar as tendências de alta e baixa da série temporal. O Facebook’s Prophet obteve 10,93%, 16,32% e 40,14% de percentual de erro médio para as previsões de 1 dia, 1 semana e 1 mês respectivamente. Já o modelo ARIMA obteve 3,41%, 13,60% e 17,98% de percentual de erro médio para as previsões de 1 dia, 1 semana e 1 mês. O modelo LSTM obteve 8,00%, 7,46% e 23,37% de percentual de erro médio para as previsões de 1 dia, 1 semana e 1 mês. Por fim são apresentadas as considerações finais e os trabalhos futuros.
Abstract: The data processing capacity fast growth resulting from the evolution of computing power, attached with machine learning and artificial intelligence techniques are able to perform accurate time series predictions. This work addresses the concepts of Artificial Intelligence, Machine Learning, Cryptocurrencies and mainly Time Series calculation models, such as: Facebook’s Prophet, ARIMA and LSTM. This work aims to verify the ability of these models to predict the value of cryptocurrencies. A theoretical framework is presented and its main references used, is also presented the main technologies that are used in the current days, as the correlated works. The performance metrics adopted to evaluate the models (MAPE and RMSE) and the tests performed using the tools Facebook’s Prophet, ARIMA and LSTM are presented. The models developed were able to follow the up and down trends of the time series. Facebook’s Prophet scored 10.93%, 16.32%, and 40.14% mean error percentage for 1-day, 1-week, and 1-month forecasts respectively. The ARIMA model, on the other hand, obtained 3.41%, 13.60% and 17.98% of average error percentage for 1-day, 1-week and 1-month forecasts. The LSTM model obtained 8.00%, 7.46% and 23.37% of average error percentage for 1-day, 1-week and 1-month forecasts. Finaly, this study present the final considerations and future works.
Palavras-chave: Inteligência Artificial
Séries Temporais
Facebook’s Prophet
Amazon DeepAR
Criptomoedas
Aprendizado de Máquina
Machine Learning
Cryptocurrencies
Time Series
Artificial Intelligence
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
País: Brasil
Editor: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Bagé
Citação: CORREIA, Edson Azevedo de. Uso de algoritmos para predição de séries temporais aplicado ao mercado de criptomoedas. 77p. 2022. Trabalho de Conclusão de Curso (Bacharel em Engenharia da Computação) – Universidade Federal do Pampa, Curso de Ciência da Computação, Bagé, 2022.
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.unipampa.edu.br/jspui/handle/riu/7524
Data do documento: 11-Ago-2022
Aparece nas coleções:Engenharia de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Versao_Final_TCC2_Gabriel_Correia.pdf3.44 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.