Bitcoin price prediction through stimulus analysis : on the footprints of twitter's crypto-influencers

dc.contributor.advisorReutter de la Maza, Juan
dc.contributor.authorCheuque Cerda, Germán Alfredo
dc.contributor.otherPontificia Universidad Católica de Chile. Escuela de Ingeniería
dc.date.accessioned2021-06-29T14:30:50Z
dc.date.available2021-06-29T14:30:50Z
dc.date.issued2021
dc.descriptionTesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2021
dc.description.abstractEl lanzamiento del protocolo de Bitcoin y su subyacente cripto moneda, han comenzado a dar forma a la manera en que vemos las monedas digitales, abriendo una gran lista de nuevos e interesantes desafíos. Entre ellos, nos centramos en el objetivo de investigar cómo se ve afectado el precio de las monedas digitales. Lo cual por cierto, es una pregunta natural, especialmente cuando consideramos la montaña rusa de precios que presenciamos para Bitcoin entre 2017 y 2018. En esta investigación trabajaremos bajo la hipótesis de que el precio se ve afectado por la huella digital de personas influyentes. Nos referiremos a ellos como criptoinfluencers. En esta investigación proporcionamos modelos basados en aprendizaje automático (redes neuronales y árboles aleatorios de decisión) para predecir el precio del bitcoin. Comparamos lo que sucede cuando estos modelos se alimentan solo con el historial de precios reciente versus lo que sucede cuando se alimenta adicionalmente con información textual codificada obtenida desde estos usuarios influyentes a partir de sus opiniones. De acuerdo a nuestros resultados, mostramos que los humanos tienen un desempeño promedio al interpretar opiniones referentes a Bitcoin de un 75%. Por esta razón y para aumentar nuestras posibilidades, hemos explorado siete modelos entrenados para codificar este tipo de información, incluyendo dos de los modelos más recientes en técnicas de transferencia inductiva del aprendizajes: ULMFit y BERT. Mostramos evidencia preliminar de que los datos de Twitter deberían ayudar a predecir el precio de bitcoin al ser capaz de respaldar el proceso de decisión en la tarea de predecir el precio de Bitcoin un día en el futuro. Logramos hacer que nuestros modelos pasaran de proyectar el precio actual hacia el futuro como la única y mejor predicción, a hacer unas más realistas, cosa que solo podemos atribuir a la introducción de un estímulo externo al precio y al proceso de selección de variables. Para desafiar nuestros modelos, exploramos la tarea de simulación de precios. Nuestros resultados no fueron concluyentes en este aspecto, ya que tenemos modelos que muestran diferentes niveles de rendimiento en diferentes lapsos de tiempo hacia el futuro. Sin embargo, estos resultados en general no muestran consciencia a cambios de precio más allá de una semana de iniciada la simulación. Nuestro mejor modelo genera predicciones siendo respaldado por la opinión de estos usuarios influyentes, pero es una predicción con un error aceptable hasta una ventana futura máxima de solo un día. La evidencia reciente muestra que el comportamiento de alta variabilidad de Bitcoin está sucediendo nuevamente. Para febrero de 2021, Bitcoin alcanzó un nuevo máximo histórico de casi 57000 USD, lo que es evidencia de cuán volátil es el comportamiento de este cripto-activo.
dc.format.extentxv, 79 páginas
dc.fuente.origenAutoarchivo
dc.identifier.doi10.7764/tesisUC/ING/60881
dc.identifier.urihttps://doi.org/10.7764/tesisUC/ING/60881
dc.identifier.urihttps://repositorio.uc.cl/handle/11534/60881
dc.information.autorucEscuela de Ingeniería ; Reutter de la Maza, Juan ; 0000-0002-2186-0312 ; 126898
dc.information.autorucEscuela de Ingeniería ; Cheuque Cerda, Germán Alfredo ; S/I ; 203722
dc.language.isoen
dc.nota.accesoTexto completo
dc.rightsacceso abierto
dc.subject.ddc332.4
dc.subject.deweyEconomíaes_ES
dc.subject.otherBitcoin - Precios - Prediccioneses_ES
dc.subject.otherRedes neurales (Ciencia de la computación)es_ES
dc.subject.otherTwitter (Firma comercial : Estados Unidos)es_ES
dc.titleBitcoin price prediction through stimulus analysis : on the footprints of twitter's crypto-influencerses_ES
dc.typetesis de maestría
sipa.codpersvinculados126898
sipa.codpersvinculados203722
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
TESIS_GCheuque_Firma Final.pdf
Size:
2.93 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.98 KB
Format:
Item-specific license agreed upon to submission
Description: