Prediction of cryptocurrency values using sentiment analysis of news and tweets
DOI:
https://doi.org/10.5335/rbca.v12i1.8831Keywords:
Bitcoin, Cryptocurrencies, News, Prediction, TwitterAbstract
The virtual currencies (or cryptocurrencies) are increasingly becoming more competitive in the global market,
atracting investors to earn profit on the oscillation of this market. These investiments are oriented by a simple
principle: buy the currencies when their market value is about to rise, and sell when their market value is
about to to drop. The goal of this work is to develop a model that predicts the movement of cryptocurrencies’
prices that is based on the public perception of people about the currencies. Predictions were made based
on news and tweets, and the prediction based on tweets achieved the best results, with 73% MDA using the
model created with XGBoost, being able to predict the results also during periods of oscilation. It is assumed
that the best results were obtained from tweets’ sentiments due to the bigger volume of data generated in a
single day, and due to the speed that public opinion manifests in the social network.
Downloads
Downloads
Published
Issue
Section
License
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
