O Eng. Lazáro Javier Hernández, investigador da Universidad Internacional Iberoamericana (Universidade Internacional Ibero-americana, UNIB), participa, juntamente com uma equipa internacional, num estudo que compara diferentes modelos de inteligência artificial para melhorar a previsão a curto prazo do preço das criptomoedas. A investigação analisa também se a incorporação de informação sobre as reações expressas pelos utilizadores no X (anteriormente Twitter) pode fornecer dados úteis para realizar estas previsões.
Os preços das criptomoedas podem mudar rapidamente e ser afetados por múltiplos fatores. Esta variabilidade faz com que antecipar o seu comportamento, mesmo em períodos curtos, seja um desafio para os investigadores.
Perante esta dificuldade, o estudo, intitulado «Cryptocurrency Market Trends: A Machine Learning-Driven Time Series Forecasting with Twitter Sentiment Integration», propõe uma estratégia baseada em inteligência artificial que combina diferentes formas de analisar os dados. Mais concretamente, compara três modelos híbridos: VAR-LSTM, XGBoost-LSTM e CNN-LSTM. O objetivo é determinar qual deles oferece melhores resultados ao tentar prever o preço de fecho da hora seguinte do Bitcoin, Ethereum e Dogecoin.
Ao contrário dos modelos que utilizam uma única técnica, estas alternativas combinam diferentes ferramentas para analisar tanto a informação disponível sobre o mercado como a evolução dos preços ao longo do tempo.
Três modelos para obter uma melhor previsão
Para realizar a comparação, os investigadores utilizaram dados históricos das criptomoedas, tais como preços de abertura e de fecho, valores máximos e mínimos e volume de negociação. Também incorporaram diferentes indicadores que permitem identificar tendências e alterações no comportamento dos preços.
Os três modelos foram submetidos às mesmas condições de avaliação. Desta forma, os investigadores puderam verificar qual conseguia fazer previsões mais precisas e se algum oferecia vantagens em relação aos outros.
Entre as três alternativas, o XGBoost-LSTM obteve melhores resultados, com uma precisão de 80 % ao antecipar se o preço subiria ou desceria durante a hora seguinte. O CNN-LSTM atingiu 67,2 %, enquanto o VAR-LSTM obteve 59,4 %.
O que contribuem as reações dos utilizadores no X?
Para além de comparar os três modelos, a investigação analisou se as reações expressas pelos utilizadores no X podem fornecer informações que ajudem a melhorar as previsões. Para tal, os investigadores incorporaram na análise informações sobre o tom das publicações relacionadas com Bitcoin, Ethereum e Dogecoin. As publicações foram classificadas consoante expressassem uma reação positiva, negativa ou neutra, e estes dados foram incorporados juntamente com as informações do mercado.
Os resultados mostraram que esta informação teve um efeito relevante. Quando os investigadores retiraram as reações dos utilizadores do modelo XGBoost-LSTM, a sua precisão na previsão da direção do preço passou de 80 % para 67 %. A diferença foi estatisticamente significativa.
Este resultado sugere que a informação prévia proveniente das redes sociais pode fornecer sinais adicionais aos dados históricos do mercado, embora não os substitua nem permita eliminar a incerteza inerente às criptomoedas.
Uma abordagem com potencial para continuar a ser desenvolvida
O estudo demonstra que a combinação de diferentes modelos de inteligência artificial pode oferecer melhores resultados do que a utilização de uma única técnica para antecipar movimentos de preços a curto prazo. Ao mesmo tempo, a investigação destaca o valor potencial de incorporar informação externa ao comportamento histórico dos preços, como as reações dos utilizadores expressas no X.
No entanto, os investigadores reconhecem também algumas limitações, como a utilização de uma única plataforma social e a possibilidade de as publicações analisadas incluírem atividade automatizada ou determinados enviesamentos. Assinalam ainda que os dados utilizados correspondem a um período anterior a várias mudanças importantes que o mercado das criptomoedas sofreu posteriormente.
Como linhas de trabalho futuras, o estudo propõe explorar novos modelos de inteligência artificial, incorporar informação proveniente de diferentes plataformas sociais e adicionar outros dados relacionados com a atividade das redes de criptomoedas.
Se quiser saber mais sobre este estudo, clique aqui.
Para ler mais investigações, consulte o repositório da UNIB.
A Inteligência Artificial está a mudar a forma de analisar informação; são necessários profissionais capazes de liderar estas tecnologias. Neste contexto, a UNIB oferece o Mestrado em Gestão Estratégica com Especialização em Tecnologias da Informação, destinado a profissionais que procuram desenvolver competências para liderar projetos tecnológicos e de transformação organizacional. O programa pode ser frequentado com uma bolsa de estudo concedida pela Fundação Universitária Ibero-americana (FUNIBER). Conheça o programa e solicite informações sobre a sua bolsa de estudo.