Proyección del precio de criptomonedas basado en Tweets empleando LSTM

RESUMEN El modelamiento y predicción de series temporales constituye una tarea ardua y esencial para los procedimientos de optimización financiera. Numerosos estudios han sido elaborados con la finalidad de reducir la incertidumbre del inversor, mediante el pronóstico de precio de monedas y acciones...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Regal,Andrés, Morzán,Juandiego, Fabbri,Carlos, Herrera,Gonzalo, Yaulli,Gabriela, Palomino,Andrea, Gil,Claudia
Lenguaje:	Spanish / Castilian
Publicado:	Universidad de Tarapacá. 2019
Materias:	Cryptocurrencies Twitter LSTM
Acceso en línea:	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052019000400696
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:scielo:S0718-33052019000400696
record_format	dspace
spelling	oai:scielo:S0718-330520190004006962020-01-29Proyección del precio de criptomonedas basado en Tweets empleando LSTMRegal,AndrésMorzán,JuandiegoFabbri,CarlosHerrera,GonzaloYaulli,GabrielaPalomino,AndreaGil,Claudia Cryptocurrencies Twitter LSTM RESUMEN El modelamiento y predicción de series temporales constituye una tarea ardua y esencial para los procedimientos de optimización financiera. Numerosos estudios han sido elaborados con la finalidad de reducir la incertidumbre del inversor, mediante el pronóstico de precio de monedas y acciones. Sin embargo, el surgimiento de un nuevo tipo de monedas con características propias, conocidas como cryptocurrencies, plantea retos adicionales. En este sentido, el paper plantea analizar en qué medida las publicaciones en las redes sociales pueden capturar las expectativas colectivas de los inversores, y afectar el valor futuro de la moneda. Nuestro objetivo es pronosticar el desempeño diario de un mercado en base a dos componentes: aquellos que definen el comportamiento de la criptomoneda en sí (volumen, valor de apertura, valor de cierre, valor máximo y valor mínimo) y las expectativas e interacciones del entorno, obtenidas de los tweets recolectados. Para ello, proponemos el uso de un tipo de red neuronal recurrente, conocida como "Long Short Term Memory" (LSTM). La metodología empleada para el preprocesamiento de los datos y la aplicación de esta técnica de pronóstico de series temporales nos permite obtener una predicción con un Error Porcentual Absoluto Medio de 34.92%; lo que indica que la representación de la variable de percepción en redes social no ha sido la pertinente y, por lo tanto, motiva nuevos trabajos con la finalidad de modelar esta variable mediante el uso de otras técnicas de NLP.info:eu-repo/semantics/openAccessUniversidad de Tarapacá.Ingeniare. Revista chilena de ingeniería v.27 n.4 20192019-12-01text/htmlhttp://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052019000400696es10.4067/S0718-33052019000400696
institution	Scielo Chile
collection	Scielo Chile
language	Spanish / Castilian
topic	Cryptocurrencies Twitter LSTM
spellingShingle	Cryptocurrencies Twitter LSTM Regal,Andrés Morzán,Juandiego Fabbri,Carlos Herrera,Gonzalo Yaulli,Gabriela Palomino,Andrea Gil,Claudia Proyección del precio de criptomonedas basado en Tweets empleando LSTM
description	RESUMEN El modelamiento y predicción de series temporales constituye una tarea ardua y esencial para los procedimientos de optimización financiera. Numerosos estudios han sido elaborados con la finalidad de reducir la incertidumbre del inversor, mediante el pronóstico de precio de monedas y acciones. Sin embargo, el surgimiento de un nuevo tipo de monedas con características propias, conocidas como cryptocurrencies, plantea retos adicionales. En este sentido, el paper plantea analizar en qué medida las publicaciones en las redes sociales pueden capturar las expectativas colectivas de los inversores, y afectar el valor futuro de la moneda. Nuestro objetivo es pronosticar el desempeño diario de un mercado en base a dos componentes: aquellos que definen el comportamiento de la criptomoneda en sí (volumen, valor de apertura, valor de cierre, valor máximo y valor mínimo) y las expectativas e interacciones del entorno, obtenidas de los tweets recolectados. Para ello, proponemos el uso de un tipo de red neuronal recurrente, conocida como "Long Short Term Memory" (LSTM). La metodología empleada para el preprocesamiento de los datos y la aplicación de esta técnica de pronóstico de series temporales nos permite obtener una predicción con un Error Porcentual Absoluto Medio de 34.92%; lo que indica que la representación de la variable de percepción en redes social no ha sido la pertinente y, por lo tanto, motiva nuevos trabajos con la finalidad de modelar esta variable mediante el uso de otras técnicas de NLP.
author	Regal,Andrés Morzán,Juandiego Fabbri,Carlos Herrera,Gonzalo Yaulli,Gabriela Palomino,Andrea Gil,Claudia
author_facet	Regal,Andrés Morzán,Juandiego Fabbri,Carlos Herrera,Gonzalo Yaulli,Gabriela Palomino,Andrea Gil,Claudia
author_sort	Regal,Andrés
title	Proyección del precio de criptomonedas basado en Tweets empleando LSTM
title_short	Proyección del precio de criptomonedas basado en Tweets empleando LSTM
title_full	Proyección del precio de criptomonedas basado en Tweets empleando LSTM
title_fullStr	Proyección del precio de criptomonedas basado en Tweets empleando LSTM
title_full_unstemmed	Proyección del precio de criptomonedas basado en Tweets empleando LSTM
title_sort	proyección del precio de criptomonedas basado en tweets empleando lstm
publisher	Universidad de Tarapacá.
publishDate	2019
url	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052019000400696
work_keys_str_mv	AT regalandres proyecciondelpreciodecriptomonedasbasadoentweetsempleandolstm AT morzanjuandiego proyecciondelpreciodecriptomonedasbasadoentweetsempleandolstm AT fabbricarlos proyecciondelpreciodecriptomonedasbasadoentweetsempleandolstm AT herreragonzalo proyecciondelpreciodecriptomonedasbasadoentweetsempleandolstm AT yaulligabriela proyecciondelpreciodecriptomonedasbasadoentweetsempleandolstm AT palominoandrea proyecciondelpreciodecriptomonedasbasadoentweetsempleandolstm AT gilclaudia proyecciondelpreciodecriptomonedasbasadoentweetsempleandolstm
_version_	1714203475839025152

Proyección del precio de criptomonedas basado en Tweets empleando LSTM

Ejemplares similares