Publicación:
Artificial intelligence techniques applied to cryptocurrency market prediction

Vista sencilla de ítem
authorProfile.id.code201823001es_CO
authorProfile.id.code201821595es_CO
dc.contributor.advisorManrique Piramanrique, Rubén Francisco
dc.contributor.authorSánchez Ardila, Juan Diego
dc.contributor.authorOliveros Forero, Julián Esteban
dc.contributor.id1031122840es_CO
dc.contributor.juryManrique Piramanrique, Rubén Francisco
dc.contributor.researchgroupGrupo de investigación Flag (https://flaglab.github.io/)es_CO
dc.date.accessioned2023-06-28T19:27:55Z
dc.date.available2023-06-28T19:27:55Z
dc.date.issued2023-05-29
dc.description.abstractThe emerging cryptocurrency market is undergoing rapid evolution and presenting numerous novel technologies aimed at addressing problems and capitalizing on opportunities for societal improvement. Despite substantial growth over the past decade, this market remains immature, resulting in high volatility and risk for all stakeholders involved. The primary issue lies in the market's lack of stability and predictability. The objective of this project is to enhance comprehension of market predictability by employing machine learning techniques. This endeavor aims to assist cryptocurrency investors and stakeholders in making informed decisions by predicting market prices and trends, focusing specifically on Bitcoin, Ethereum, and Cardano. Machine learning models will be trained using historical market data to achieve this goal. Furthermore, the project includes a significant ancillary objective, as relying solely on models can be ineffective. The aim is to develop a robust platform that automatically collects real-time data, incorporates an API for integrating data sources with models, and features a user interface designed to present model results to cryptocurrency stakeholders. Lastly, it is worth noting the intrinsic value of this project, which originates from a shared personal goal among the authors. As an undergraduate degree thesis, this endeavor enables the authors to gain practical knowledge in applied blockchain technology and artificial intelligence, while fostering an integrated approach that consolidates their academic formation.
dc.description.abstractEl mercado emergente de criptomonedas está experimentando una rápida evolución y presenta numerosas tecnologías novedosas destinadas a abordar problemas y capitalizar oportunidades para la mejora social. A pesar del crecimiento sustancial durante la última década, este mercado sigue siendo inmaduro, lo que resulta en una alta volatilidad y riesgo para todas las partes interesadas involucradas. El problema principal radica en la falta de estabilidad y previsibilidad del mercado. El objetivo de este proyecto es mejorar la comprensión de la previsibilidad del mercado mediante el empleo de técnicas de aprendizaje automático. Este esfuerzo tiene como objetivo ayudar a los inversores y partes interesadas en criptomonedas a tomar decisiones informadas al predecir los precios y las tendencias del mercado, centrándose específicamente en Bitcoin, Ethereum y Cardano. Los modelos de aprendizaje automático se entrenarán utilizando datos históricos del mercado para lograr este objetivo. Además, el proyecto incluye un objetivo secundario importante, ya que depender únicamente de modelos puede resultar ineficaz. El objetivo es desarrollar una plataforma sólida que recopile automáticamente datos en tiempo real, incorpore una API para integrar fuentes de datos con modelos y presente una interfaz de usuario diseñada para presentar los resultados del modelo a las partes interesadas en criptomonedas. Por último, cabe señalar el valor intrínseco de este proyecto, que parte de un objetivo personal compartido entre los autores. Como tesis de grado, este esfuerzo permite a los autores adquirir conocimientos prácticos en tecnología blockchain aplicada e inteligencia artificial, al mismo tiempo que fomenta un enfoque integrado que consolida su formación académica.
dc.description.degreelevelPregradoes_CO
dc.description.degreenameIngeniero de Sistemas y Computaciónes_CO
dc.description.researchareaInteligencia Artificiales_CO
dc.format.extent38 páginases_CO
dc.format.mimetypeapplication/pdfes_CO
dc.identifier.instnameinstname:Universidad de los Andeses_CO
dc.identifier.reponamereponame:Repositorio Institucional Sénecaes_CO
dc.identifier.repourlrepourl:https://repositorio.uniandes.edu.co/es_CO
dc.identifier.urihttps://hdl.handle.net/1992/67952
dc.language.isoenges_CO
dc.publisherUniversidad de los Andeses_CO
dc.publisher.departmentDepartamento de Ingeniería Sistemas y Computaciónes_CO
dc.publisher.facultyFacultad de Ingenieríaes_CO
dc.publisher.programIngeniería de Sistemas y Computaciónes_CO
dc.relation.referencesA Brief History of Cryptocurrency - CryptoVantage. (n.d.). Retrieved February 15, 2023, from https://www.cryptovantage.com/guides/a-brief-history-of-cryptocurrency/es_CO
dc.relation.referencesBitcoin Exchange | Exchange de Criptomonedas | Binance. (n.d.). Retrieved February 16, 2023, from https://www.binance.com/es/binance-apies_CO
dc.relation.referencesCallaghan, Nathan. (2022). Using an LSTM- Recurrent Neural Network to forecast the trend in bitcoin prices.es_CO
dc.relation.referencesCryptocurrency Explained With Pros and Cons for Investment. (n.d.). Investopedia. Retrieved February 15, 2023, from https://www.investopedia.com/terms/c/cryptocurrency.aspes_CO
dc.relation.referencesDeFi vs. CeFi: Comparing decentralized to centralized finance. (n.d.). Retrieved February 15, 2023, from https://cointelegraph.com/defi-101/defi-vs-cefi-comparing-decentralized-to-centralized-financees_CO
dc.relation.referencesIdell, A. G. (2021, July 21). Intro to Crypto Philosophy. CodeX. https://medium.com/codex/intro-to-crypto-philosophy-93b5b5525a1fes_CO
dc.relation.referencesNakamoto, S. (2008) Bitcoin: A Peer-to-Peer Electronic Cash System. https://bitcoin.org/bitcoin.pdfes_CO
dc.relation.referencesWhat Is A White Paper And How To Write It | Cointelegraph. (n.d.). Retrieved February 15, 2023, from https://cointelegraph.com/ico-101/what-is-a-white-paper-and-how-to-write-it%20es_CO
dc.relation.referencesWTF Happened In 1971? (n.d.). Retrieved February 15, 2023, from https://wtfhappenedin1971.com/es_CO
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAttribution-NonCommercial-NoDerivatives 4.0 Internacionalspa
dc.rights.urihttps://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf*
dc.subject.keywordNeural Networks
dc.subject.keywordArtificial Intelligence
dc.subject.keywordMachine Learning
dc.subject.keywordCryptocurrency
dc.subject.keywordLong Short-Term Memory (LSTM) models
dc.subject.keywordFull-stack application
dc.subject.themesIngenieríaes_CO
dc.titleArtificial intelligence techniques applied to cryptocurrency market prediction
dc.typeTrabajo de grado - Pregradoes_CO
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentTextes_CO
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication
relation.isDirectorOfPublication9f6e12e0-098e-4548-ab81-75552e8385e7
relation.isDirectorOfPublication.latestForDiscovery9f6e12e0-098e-4548-ab81-75552e8385e7
Archivos
Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
Artificial Intelligence Techniques Applied to Cryptocurrency Market Prediction.pdf
Tamaño:
4.81 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
autorizacion tesis _V1_signed.pdf
Tamaño:
445.21 KB
Formato:
Adobe Portable Document Format
Descripción:
HIDE
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.77 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Tesis/Trabajos de Grado