El trading de criptomonedas implica la compra y venta de activos digitales, como Bitcoin (BTC) y Ethereum, con el fin de obtener beneficios financieros a través de plataformas especializadas conocidas como exchanges. La relevancia de esta práctica reside en su capacidad para capitalizar la notable volatilidad del mercado, permitiendo la obtención de rendimientos significativos. Este estudio se centra en la aplicación de algoritmos de aprendizaje automático para la toma de decisiones estratégicas en el ámbito de las criptomonedas, con un enfoque particular en el análisis de sentimientos extraídos de publicaciones en Reddit.com para evaluar la percepción del mercado. La inherente volatilidad del mercado de criptomonedas, junto con influencias psicológicas y asimetrías de información, subraya la importancia del análisis de sentimientos para prever movimientos de precios y optimizar estrategias de trading. Este análisis clasifica el sentimiento en categorías positivas, negativas o neutras, orientando así las decisiones de trading. Además, se emplea una red neuronal recurrente para predecir los precios de BTC utilizando datos históricos, complementando el análisis de sentimientos. La evaluación de indicadores técnicos permite identificar el momento óptimo para operar en el mercado, y el backtesting revela rendimientos notables, especialmente en BTC con 49.88%, Ethereum (38.74%), Binance Coin (32.89%), Cardano (29.74%) y Solana (27.64%). El estudio demuestra que los modelos de aprendizaje automático ofrecen predicciones precisas y reducen los sesgos en comparación con las plataformas de trading tradicionales. No obstante, se destaca la necesidad de adaptación y diversificación continua debido a la volatilidad del mercado y a las incertidumbres regulatorias. Se sugiere que futuras investigaciones se enfoquen en probar estrategias.
El trading de criptomonedas implica la compra y venta de activos digitales, como Bitcoin (BTC) y Ethereum, con el fin de obtener beneficios financieros a través de plataformas especializadas conocidas como exchanges. La relevancia de esta práctica reside en su capacidad para capitalizar la notable volatilidad del mercado, permitiendo la obtención de rendimientos significativos. Este estudio se centra en la aplicación de algoritmos de aprendizaje automático para la toma de decisiones estratégicas en el ámbito de las criptomonedas, con un enfoque particular en el análisis de sentimientos extraídos de publicaciones en Reddit.com para evaluar la percepción del mercado. La inherente volatilidad del mercado de criptomonedas, junto con influencias psicológicas y asimetrías de información, subraya la importancia del análisis de sentimientos para prever movimientos de precios y optimizar estrategias de trading. Este análisis clasifica el sentimiento en categorías positivas, negativas o neutras, orientando así las decisiones de trading. Además, se emplea una red neuronal recurrente para predecir los precios de BTC utilizando datos históricos, complementando el análisis de sentimientos. La evaluación de indicadores técnicos permite identificar el momento óptimo para operar en el mercado, y el backtesting revela rendimientos notables, especialmente en BTC con 49.88%, Ethereum (38.74%), Binance Coin (32.89%), Cardano (29.74%) y Solana (27.64%). El estudio demuestra que los modelos de aprendizaje automático ofrecen predicciones precisas y reducen los sesgos en comparación con las plataformas de trading tradicionales. No obstante, se destaca la necesidad de adaptación y diversificación continua debido a la volatilidad del mercado y a las incertidumbres regulatorias. Se sugiere que futuras investigaciones se enfoquen en probar estrategias. Read More
