Descoberta de conhecimento em criptoativos : aplicação de regras de associação

Abstract

Resumo: Na área da descoberta do conhecimento em bases de dados, existem muitos trabalhos de pesquisa sobre a descoberta de regras de associação em muitos campos, por exemplo no mercado de ações. Outro mercado de renda variável existente na atualidade é o de criptoativos, e um dos maiores problemas dos seus maiores problemas é a alta volatilidade dos preços. No intuito de apresentar soluções a este problema de volatilidade, o objetivo deste trabalho é avaliar a pertinência de aplicação de regras de associação para melhorar as relações de risco e retorno no investimento em criptoativos. Para auxiliar os investidores, atendendo razoável grau de confiança e níveis mínimos de suporte, a identificarem situações com melhores relações de risco e retorno, esta dissertação de mestrado foi desenvolvida, e o método avaliado pela comparação dos índices de Sharpe ajustados. Os dados utilizados são de séries temporais de trinta e dois criptoativos, divididos em oito grupos, quatro em cada, selecionados aleatoriamente, conforme a seguinte classificação: Ecossistema Cadeia Binance, Ecossistema Avalanche, Ecossistema Solana, Finanças Descentralizadas, Tokens Não Fungíveis e Colecionáveis, Ecossistema Polkadot, Metaverso, e, Jogue para Ganhar. Após execução do protocolo de experimentação, os resultados mostraram a existência de milhares de regras de associação que permitem o investidor identificar situações de melhores índices de Sharpe, do que o calculado ordinariamente para o respectivo criptoativo no período analisado. A viabilidade prática da mineração de regras de associação para esse mercado, no entanto, dependerá da implementação do algoritmo de mineração de dados junto aos softwares de análise de investimentos disponibilizados pelas corretoras, ou de outras possibilidades tecnológicas que possam fornecer informações em tempo hábil ou de investimentos automatizados. Como recomendações de trabalhos futuros sugere-se o estudo de otimização dos procedimentos de discretização, de modo a encontrar a faixa ótima para os dados, que forneça o máximo índice de Sharpe. Sugere-se ainda que a técnica de mineração seja aplicada sobre dados fragmentados ao longo do dia, como variações de 4 horas, 1 hora, ou 5 minutos, de modo a se identificar padrões de variações de preços ao longo do dia.

Abstract: In the area of knowledge discovery in databases, there are many research works on the discovery of association rules in many fields, for example in the stock market. Another floating market is cryptomarket, and one of its biggest problems is the high volatility of prices. In order to present solutions to this volatility problem, the objective of this work is to evaluate the relevance of applying association rules to find better risk and return relationships in investing in cryptoassets. To help investors, given a reasonable degree of confidence and minimum levels of support, to identify situations with better risk and return relationships, this master's thesis was developed, and the method was evaluated by comparing adjusted Sharpe ratios. The data used are from time series of thirty-two cryptoactives, divided into eight groups, four in each, randomly selected, according to the following classification: Binance Chain Ecosystem, Avalanche Ecosystem, Solana Ecosystem, Decentralized Finance, Non-Fungible and Collectible Tokens, Ecosystem Polkadot, Metaverse, and, Play to Earn. After executing the experimente protocol, the results showed the existence of thousands of association rules that allow the investor to identify situations with better Sharpe ratios than those normally calculated for the respective cryptoactive in the analyzed period. The practical feasibility of mining association rules for this market, however, will depend on the implementation of the data mining algorithm together with investment analysis software made available by exchanges, or other technological possibilities that can provide information in real time, or automated investments. As recommendations for future studies, it is suggested to look after the optimization of discretization procedures, in order to find the optimal range for the data, which will provide the maximum Sharpe index. It is also suggested that the mining technique be applied to fragmented data throughout the day, such as 4-hour, 1-hour, or 5-minute candles variations, in order to identify patterns of price variations throughout the day.