Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/24401
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2019_PedroCoutinhoDeCastro_BrenoRiosFerreira_tcc.pdf1,7 MBAdobe PDFver/abrir
Título: Análise de sentimentos de tweets para identificar tendências de bitcoins no mercado financeiro
Autor(es): Castro, Pedro Coutinho de
Ferreira, Breno Rios
Orientador(es): Borges, Vinícius Ruela Pereira
Assunto: Aprendizado de máquina
Mercado financeiro
Redes sociais
Criptomoeda
Data de apresentação: 24-Jun-2019
Data de publicação: 21-Jul-2020
Referência: CASTRO, Pedro Coutinho de; FERREIRA, Breno Rios. Análise de sentimentos de tweets para identificar tendências de bitcoins no mercado financeiro. 2019. 77 f. Trabalho de Conclusão de Curso (Licenciatura em Computação) — Universidade de Brasília, Brasília, 2019.
Resumo: Predição de eventos relativos ao mercado financeiro é sempre uma tarefa de alta complexidade, visto que os fatores que podem ser responsabilizados por movimentos de mercado é bastante vasto e diverso. As criptomoedas, tecnologia inovadora que tem ganhado bastante adesão e visibilidade no comércio, ainda são cercadas de desconfianças. Aliado à popularização dessas criptomoedas, as redes sociais se tornaram uma fonte rica de informações, pois seus usuários publicam mensagens e opiniões relacionadas com diversos assuntos. Nesse sentido, alguns usuários e especialistas do domínio financeiro analisam essas mensagens das redes sociais relacionadas ao mercado financeiro e às criptomoedas para auxiliar nas tarefas de tomadas de decisão. Este projeto propõe desenvolver um método para identificar relações entre as mensagens da rede social Twitter e o valor de mercado do Bitcoin. O método proposto é composta por técnicas de pré-processamento e caracterização de textos, em conjunto com algoritmos de classificação, a fim de analisar a polaridade (positivo, negativo e neutro) de sentimentos presentes nos tweets. Modelos não-supervisionados são também empregados para extrair tópicos de conjuntos de tweets e para agrupá-los conforme as relações de similaridade, possibilitando a identificação de padrões. Experimentos foram realizados para validar o método proposto e consistem de três etapas: (i) comparar o volume total de tweets positivos, negativos e neutros, com o valor de mercado do Bitcoin; (ii) obter os tópicos relevantes presentes nos documentos, e assim, buscar relações entre os sentimentos predominantes e os tópicos; (iii) visualizar os agrupamentos formados pela aplicação da técnica K-means. O método proposto obteve resultados relevantes, mas levando em consideração o atual momento de crescente valorização da criptomoeda, sendo necessário testes adicionais para comprovar sua plena eficácia.
Abstract: The prediction of events related to the financial market is a complex task, since the responsible factors for market movements is diverse and vast. The growing popularity of cryptocurrencies are still seen with mistrust by investors and the financial market specialists. In the last years, social networks have become a powerful source of information as their users can post text messages and opinions related to various subjects. Specifically, several users such messages related to financial market and cryptocurrencies in order to support them on decision taking tasks. This work proposes a method based on sentiment analysis to identify relationships between the messages of the social network Twitter and the Bitcoin’s market value. The proposed method is composed by preprocessing and text characterization techniques, along with supervised models for sentiment classification according to tweets’ polarities (positive, negative and neutral). Unsupervised models are also employed to extract topics from tweets’ sets and to cluster them by taking into account its similarity relations for identifying relevant patterns. Experiments were performed in three steps to validate the proposed method: (i) compare the total volume of positive, negative and neutral tweets, in relation to the Bitcoin’s market value; (ii) obtain the most relevant topics in the documents, and thus to seek relations between the predominant sentiments and the most relevant topics; (iii) visualize the clusters formed by the application of K-means. The proposed method obtained relevant results, but emphasizing the long term of growing Bitcoin appreciation. Therefore, additional experiments are required by considering other Bitcoins values at the financial market.
Informações adicionais: Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Computação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.