Please use this identifier to cite or link to this item: http://hdl.handle.net/10609/118926
Full metadata record
DC FieldValueLanguage
dc.contributor.authorGrande Toledano, María del Mar-
dc.date.accessioned2020-07-01T13:31:07Z-
dc.date.available2020-07-01T13:31:07Z-
dc.date.issued2020-06-
dc.identifier.urihttp://hdl.handle.net/10609/118926-
dc.description.abstractToday, there are more than 1,500 traded cryptocurrencies with a combined market capitalization exceeding 800$ billions. These numbers are still growing as well as the interest of some investor in this market. Cryptocurrencies were rst devised as a payment method, but the large uctuations in the price led to their use as an alternative to the traditional stock market. As with other nancial assets, cryptocurrencies have also captured the attention of the research community. In current literature we can nd many works facing the problem of cryptocurrencies price prediction. Most of them are regression models, market simulations to calculate ROI, or classi cation models to predict the sign of future change. However, anticipating this market is not an easy task and the results obtained still have a high degree of uncertainty. This study contributes to the current literature by analyzing the Ethereum transactions as a complex network. Next, we evaluate its predictive power on Ethereum future price by deploying two predictive models. The rst one considers a set of features that performed well in current literature, such as price of the previous days, technical indicators and volume of tweets mentioning Ethereum. The second model considers the features of the rst model together with the properties computed from the transaction network. We found an increment in the accuracy when considering the properties of the transaction network. In addition, three network's properties appear in the top 11 of most important features in the nal model. We conclude that the properties computed from the transaction network provide additional information that does not exist in the current literature variables.en
dc.description.abstractHoy en día, hay más de 1.500 criptodivisas negociadas con una capitalización de mercado combinada que supera los 800 mil millones de dólares. Estas cifras siguen creciendo, así como el interés de algunos inversores en este mercado. Las criptodivisas fueron concebidas por primera vez como un método de pago, pero las grandes fluctuaciones del precio llevaron a su utilización como alternativa al mercado de valores tradicional. Al igual que con otros activos financieros, las criptodivisas también han captado la atención de la comunidad investigadora. En la literatura actual podemos encontrar muchos trabajos que se enfrentan al problema de las cripto-monedas. La mayoría son modelos de regresión, simulaciones de mercado para calcular el retorno de la inversión, o modelos de clasificación para predecir el signo del cambio futuro. Sin embargo, anticipar este mercado no es una tarea fácil y los resultados obtenidos todavía tienen un alto grado de incertidumbre. El estudio contribuye a la literatura actual analizando las transacciones del Ethereum como una red compleja. A continuación, evaluamos su poder de predicción sobre el precio futuro del Ethereum desplegando dos modelos predictivos. El primero considera un conjunto de características que funcionaron bien en las actuaidad, como el precio de los días anteriores, los indicadores técnicos y el volumen de tweets que mencionan el Ethereum . El segundo modelo considera las características del modelo junto con las propiedades calculadas a partir de la red de transacciones. Encontramos un incremento en la precisión al considerar las propiedades de la red de transacciones. Además, tres propiedades de la red aparecen entre las 11 características más importantes del modelo. Concluimos que las propiedades computadas de la red de transacciones proporcionan información adicional que no existe en las variables de la literatura actual. Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translatores
dc.description.abstractAvui dia, hi ha més de 1.500 criptodivisas negociades amb una capitalització de mercat combinada que supera els 800 mil milions de dòlars. Aquestes xifres continuen creixent, així com l'interès d'alguns inversors en aquest mercat. Les criptodivisas van ser concebudes per primera vegada com un mètode de pagament, però les grans fluctuacions del preu van portar a la seva utilització com a alternativa al mercat de valors tradicional. Igual que amb altres actius financers, les criptodivisas també han captat l'atenció de la comunitat investigadora. En la literatura actual podem trobar molts treballs que s'enfronten al problema de les cripto-monedes. La majoria són models de regressió, simulacions de mercat per a calcular el retorn de la inversió, o models de classificació per a predir el signe del canvi futur. No obstant això, anticipar aquest mercat no és una tasca fàcil i els resultats obtinguts encara tenen un alt grau d'incertesa. L'estudi contribueix a la literatura actual analitzant les transaccions del Ethereum com una xarxa complexa. A continuació, avaluem el seu poder de predicció sobre el preu futur del Ethereum desplegant dos models predictius. El primer considera un conjunt de característiques que van funcionar bé en les actualitat, com el preu dels dies anteriors, els indicadors tècnics i el volum de tuits que esmenten el Ethereum . El segon model considera les característiques del model juntament amb les propietats calculades a partir de la xarxa de transaccions. Trobem un increment en la precisió en considerar les propietats de la xarxa de transaccions. A més, tres propietats de la xarxa apareixen entre les 11 característiques més importants del model. Concloem que les propietats computades de la xarxa de transaccions proporcionen informació addicional que no existeix en les variables de la literatura actual.ca
dc.format.mimetypeapplication/pdf-
dc.language.isoeng-
dc.publisherUniversitat Oberta de Catalunya (UOC)-
dc.rightsCC BY-NC-ND-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/-
dc.subjectcomplex networksen
dc.subjectmachine learningen
dc.subjectcryptocurrencyen
dc.subjectredes complejases
dc.subjectxarxes complexesca
dc.subjectaprenentatge automàticca
dc.subjectaprendizaje automáticoes
dc.subjectcriptomonedaes
dc.subjectcriptomonedaca
dc.subject.lcshMachine learning -- TFMen
dc.titleThe predictive power of the Ethereum transaction network-
dc.typeinfo:eu-repo/semantics/masterThesis-
dc.audience.educationlevelEstudis de Màsterca
dc.audience.educationlevelEstudios de Másteres
dc.audience.educationlevelMaster's degreesen
dc.subject.lemacAprenentatge automàtic -- TFMca
dc.subject.lcshesAprendizaje automático -- TFMes
dc.contributor.tutorGómez Jiménez, Sergio-
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess-
Appears in Collections:Trabajos finales de carrera, trabajos de investigación, etc.

Files in This Item:
File Description SizeFormat 
GrandeMar_TFM-final-signed.pdfTFM memory2,09 MBAdobe PDFThumbnail
View/Open