Deu Trader.

DSpace Principal
→
Campus Campina Grande | Centro de Engenharia Elétrica e Informática - CEEI
→
CURSOS DE GRADUAÇÃO DO CEEI
→
Curso de Bacharelado em Ciência da Computação
→
Trabalho de Conclusão de Curso - Artigo - Ciência da Computação
→
Ver ítem

dc.creator.ID	AIRES, L. G.	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/8111670868470553	pt_BR
dc.contributor.advisor1	GOMES, Herman Martins.
dc.contributor.advisor1ID	GOMES, H. M.	pt_BR
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/4223020694433271	pt_BR
dc.contributor.referee1	ALMEIDA, Hyggo Oliveira de.
dc.contributor.referee2	BRASILEIRO, Francisco Vilar.
dc.description.resumo	O 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.country	Brasil	pt_BR
dc.publisher.department	Centro de Engenharia Elétrica e Informática - CEEI	pt_BR
dc.publisher.initials	UFCG	pt_BR
dc.subject.cnpq	Ciência da Computação.	pt_BR
dc.title	Deu Trader.	pt_BR
dc.date.issued	2022-09-02
dc.description.abstract	The 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.uri	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29265
dc.date.accessioned	2023-04-05T16:38:05Z
dc.date.available	2023-04-05
dc.date.available	2023-04-05T16:38:05Z
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.subject	Criptomoedas	pt_BR
dc.subject	Técnicas de predição	pt_BR
dc.subject	Aprendizagem de máquina	pt_BR
dc.subject	Machine learning	pt_BR
dc.subject	Método preditivo - mercado de criptomoedas	pt_BR
dc.subject	Mercado de criptomoedas	pt_BR
dc.subject	Cryptocurrencies	pt_BR
dc.subject	Prediction techniques	pt_BR
dc.subject	Predictive method - cryptocurrency market	pt_BR
dc.subject	Cryptocurrency market	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.creator	AIRES, Lucas Gomes.
dc.publisher	Universidade Federal de Campina Grande	pt_BR
dc.language	por	pt_BR
dc.title.alternative	Gave Trader.	pt_BR
dc.identifier.citation	AIRES, 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/29265	pt_BR