Predicting BTC price trends with social media sentimentleveraging transformers model

Resumo

Este estudo explora a previsão dos movimentos de preço do Bitcoin (BTC) utilizando análise de sentimento proveniente das redes sociais, combinada com técnicas avançadas de aprendizado de máquina, com um foco particular na aplicação inovadora de Transformers. Em um mercado financeiro altamente volátil e sensível a influências externas, compreender o impacto do sentimento dos investidores é crucial para prever tendências de preços. Este trabalho emprega dados de sentimento extraídos de plataformas como Twitter e Reddit, processados por meio de técnicas de processamento de linguagem natural (NLP) para categorizar o sentimento como positivo, negativo ou neutro. O modelo Transformer é utilizado para desenvolver previsões sobre a direção futura dos preços do BTC. Conhecido por sua capacidade de capturar padrões temporais complexos e dependências em longas sequências, o Transformer aprimora a precisão da previsão ao modelar de forma eficaz dependências de longo alcance em dados sequenciais. O estudo implementa uma análise de sensibilidade para avaliar o impacto de diferentes intensidades de sentimento nos preços do BTC, proporcionando uma compreensão mais profunda da dinâmica do mercado influenciada por eventos de sentimento, como grandes transações de “baleias” ou notícias significativas. Os resultados esperados incluem uma maior precisão na previsão dos movimentos de preço do BTC, oferecendo insights valiosos para traders e investidores. Este trabalho contribui para o corpo de pesquisa existente sobre o uso da análise de sentimento nos mercados financeiros, particularmente no contexto das criptomoedas, e destaca o potencial dos Transformers como ferramentas poderosas para prever tendências de mercado com base em dados de sentimento.

Ficha do documento

Tipo

Dissertação

Ano

2025

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/36647

Temas

EconomiaDados

Palavras-chave

BitcoinTransformersMachine learningAprendizado de máquinaEconomiaVolatilidade (Finanças)PreçosInvestimentos - Processo decisórioAprendizado do computador