Cryptocurrency price direction prediction through ensembles of machine learning algorithms allied with percentage resampling EVALUATED

Detalhes: Este trabalho apresenta um sistema com o objectivo de gerar uma estrategia lucrativa de negociação de bitcoin, baseada em modelos de aprendizagem automática treinados sobre dados históricos. Antes de definir a variável alvo dos nossos algoritmos, uma agregacão foi realizada para agrupar pontos de dados sequenciais que levam a alteracões percentuais absolutas de cerca de 4%. Foram geradas múltiplas características técnicas e baseadas em tempo, e o problema foi então abordado como uma tarefa binária. Foram treinados quatro algoritmos diferentes de aprendizagem de máquina - Regressão Logística, Máquina Vectorial de Apoio, Floresta Aleatória e XGBoost. Foram então geradas diferentes estratégias de compra e venda, quer directamente a partir das previsões dos modelos individuais ou de diferentes formas de os combinar, e avaliadas num período de simulação de mercado de 9 meses. Os resultados provaram que cada um dos modelos bateu a estrategia Buy and Hold utilizada como comparação base. Além disso, a melhor estratégia de modelo único (XGBoost) teve um retorno do investimento de 94,78%, e a melhor estratégia conjunta atingiu 119,76% para a mesma métrica, ao longo de um período de 9 meses. Estes resultados foram obtidos durante um período turbulento, em que o preço do bitcoin diminuiu mais de 30%.

Discussão: novembro 11, 2022, 11:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Pedro Gonçalo Silva Fernandes (ist189516)

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar