SVM aplicado a criptomoeda Etherium (2019)
- Authors:
- Autor USP: GONÇALVES, CLAUDIO VINICIUS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/D.55.2020.tde-04022020-121437
- Subjects: APRENDIZADO COMPUTACIONAL; ESTATÍSTICA; ANÁLISE DE SOBREVIVÊNCIA; INVESTIMENTOS; PREJUÍZO; CUSTO DE CAPITAL
- Keywords: Criptocurrency; Criptomoedas; Etherium; Etherium; Máquinas de vetor de suporte; Support Vector Machine; SVR; SVR
- Language: Português
- Abstract: A introdução da Blockchain e das criptomoedas trouxeram novas formas de realizar pagamentos, contratos, etc. Além desses benefícios, as criptomoedas também e tornaram opções de investimento para investidores. Esses investimentos apresentam grande risco, pois tem uma variabilidade muito alta, por exemplo a ETH, desde a sua criação, apresenta um crescimento de 13:000% desde 2014, onde foi oferta inicial da moeda. Esse projeto propõe a criação de modelos estatísticos clássicos e de aprendizado de máquina, para prever uma hora a frente o valor da criptomoeda. Para isso, inicialmente realizamos uma simulação com uma série de Lorenz, onde ajustamos um modelo ARMA e uma maquina de vetores de suporte com o Kernel Laplaciano para verificar a eficiência das técnicas. Iniciamos criando a série de Lorenz, ajustando os modelos e realizando previsões um passo a frente 24 vezes. Para verificarmos a qualidade do nosso modelo, comparamos esses valores preditos com os valores reais da série, e usamos como indicadores de qualidade as medidas RMSE e MAE, que na simulação resultaram para o modelo ARMA(2,3) RMSE = 2,23 e MAE = 1,85 e para o SVR RMSE = 3,66 e MAE = 2,5. Utilizando os valores preditos por ambos os modelos ajustados, buscamos melhorar a precisão combinando os modelos, obtendo assim para o SVR-ARMA RMSE = 2,23 e MAE = 1,77, melhorando assim a qualidade preditiva dos modelos. Seguimos aplicando para os dados reais as técnicas, inicialmente aplicando uma transformação log-retornos paraa série de dados, e obtemos para o modelo ARMA(2,3) RMSE = 2,23 e MAE = 1,85 e para o SVR RMSE = 3,15 e MAE = 2,4, e quando combinamos os modelos temos o SVR-ARMA RMSE = 2,08 e MAE = 1, 75.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 31.10.2019
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
GONÇALVES, Claudio Vinicius. SVM aplicado a criptomoeda Etherium. 2019. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04022020-121437/. Acesso em: 21 fev. 2026. -
APA
Gonçalves, C. V. (2019). SVM aplicado a criptomoeda Etherium (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04022020-121437/ -
NLM
Gonçalves CV. SVM aplicado a criptomoeda Etherium [Internet]. 2019 ;[citado 2026 fev. 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04022020-121437/ -
Vancouver
Gonçalves CV. SVM aplicado a criptomoeda Etherium [Internet]. 2019 ;[citado 2026 fev. 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04022020-121437/
Informações sobre o DOI: 10.11606/D.55.2020.tde-04022020-121437 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
