Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265
Full metadata record
DC FieldValueLanguage
dc.creator.IDAIRES, L. G.pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/8111670868470553pt_BR
dc.contributor.advisor1GOMES, Herman Martins.
dc.contributor.advisor1IDGOMES, H. M.pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4223020694433271pt_BR
dc.contributor.referee1ALMEIDA, Hyggo Oliveira de.
dc.contributor.referee2BRASILEIRO, Francisco Vilar.
dc.description.resumoO mercado de criptomoedas ganhou muita visibilidade nos últimos anos. Segundo a Forbes, o Brasil está entre os 5 países com maior número de investidores no mundo, chegando a 10 milhões de investidores1 em 2022. Apesar do grande número de investidores, o mercado de criptomoedas representa um alto grau de risco. Este trabalho propõe um método preditivo para mitigação de perdas no mercado de criptomoedas utilizando técnicas de aprendizado de máquina. Para tanto, foi desenvolvida uma ferramenta baseada em indicadores matemáticos e gráficos para apoiar as decisões de compra e venda do ativo digital. A moeda Gala/USDT foi escolhida para a realização dos experimentos, utilizou-se a linguagem Python [9], como apoio para criação e manipulação do Data Frame e no final obtivemos uma precisão em torno de 90% no conjunto de testes que representou 30% do Data Frame.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Engenharia Elétrica e Informática - CEEIpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqCiência da Computação.pt_BR
dc.titleDeu Trader.pt_BR
dc.date.issued2022-09-02
dc.description.abstractThe cryptocurrency market has gained a lot of visibility over the last few years. According to Forbes, Brazil is within the top 5 countries with the largest number of investors in the world, reaching 10 million investors in 2022. Despite the large number of investors, the crypto market represents a high degree of risk. This work proposes a predictive method for loss mitigation in the cryptocurrency market using machine learning techniques. To this end, a tool based on mathematical and graphic indicators was developed to support decisions to buy and sell the digital asset. The Gala/USDT currency was chosen for carrying out experiments, the Python language was used as support for the creation and manipulation of the Data Frame and in the end we obtained an accuracy of around 90% in the test set that represented 30 % of the Data Frame.pt_BR
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265
dc.date.accessioned2023-04-05T16:38:05Z
dc.date.available2023-04-05
dc.date.available2023-04-05T16:38:05Z
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.subjectCriptomoedaspt_BR
dc.subjectTécnicas de prediçãopt_BR
dc.subjectAprendizagem de máquinapt_BR
dc.subjectMachine learningpt_BR
dc.subjectMétodo preditivo - mercado de criptomoedaspt_BR
dc.subjectMercado de criptomoedaspt_BR
dc.subjectCryptocurrenciespt_BR
dc.subjectPrediction techniquespt_BR
dc.subjectPredictive method - cryptocurrency marketpt_BR
dc.subjectCryptocurrency marketpt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorAIRES, Lucas Gomes.
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeGave Trader.pt_BR
dc.identifier.citationAIRES, Lucas Gomes. Deu Trader. 2022. 10f. (Trabalho de Conclusão de Curso - Artigo), Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2022. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265pt_BR
Appears in Collections:Trabalho de Conclusão de Curso - Artigo - Ciência da Computação

Files in This Item:
File Description SizeFormat 
LUCAS GOMES AIRES - TCC ARTIGO CIÊNCIA DA COMPUTAÇÃO CEEI 2022.pdfLucas Gomes Aires - TCC Artigo Ciência da Computação CEEI 2022.313.12 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.