Desenvolvimento e Avaliação de Algoritmos de

Trading para Criptomoedas

Luı́s Gabriel Pacheco Marquetti
Escola Politécnica
Pontifı́cia Universidade Católica do Rio Grande do Sul
Porto Alegre, Brasil
[email protected]

Andréa Aparecida Konzen*

Escola Politécnica
Pontifı́cia Universidade Católica do Rio Grande do Sul
Porto Alegre, Brasil
[email protected]
*Orientadora do Trabalho de Conclusão

Resumo—As criptomoedas se estabeleceram como uma classe I. I NTRODUÇ ÃO

de ativos financeiros, com um enorme volume de transações e
diversas possibilidades de ganhos nas negociações. Similarmente As criptomoedas são moedas digitais que, ao contrário
a outros mercados financeiros, a previsão de preços é um dos das moedas tradicionais emitidas pelos paı́ses, são descentral-
principais desafios na negociação. A aplicação da inteligência
artificial como ferramenta de previsão emergiu como um tema
izadas, usam criptografia para segurança e operam, geralmente,
de investigação no domı́nio das criptomoedas. Este trabalho em uma tecnologia de blockchain [1]. Elas são criadas por
propõe um estudo dedicado ao desenvolvimento e à avaliação diferentes mecanismos que envolvem redes de computadores.
do desempenho de algoritmos, visando maximizar os retornos A descentralização significa que as criptomoedas não são, nor-
dos investidores no mercado de criptomoedas. O estudo explora malmente, controladas por nenhuma entidade única, como um
três estratégias de negociação baseadas em algoritmos: reversão
à média, cruzamento de média móvel e modelos baseados
governo ou banco central. Elas dependem de uma rede descen-
em aprendizado de máquina. Os resultados obtidos com essas tralizada de computadores que validam e registram transações
estratégias são comparados com a abordagem de comprar e em um livro-razão público, conhecido como blockchain.
manter o Bitcoin durante o perı́odo de maio de 2021 a junho O blockchain é um banco de dados distribuı́do e imutável
de 2024. Os algoritmos foram testados usando três perı́odos de que garante a integridade do histórico de transações [2].
amostragem: 1 hora, 12 horas e 24 horas. Os resultados indicam
que os algoritmos de trading têm o potencial de desempenhar As criptomoedas usam técnicas criptográficas para fazer as
um papel importante nos resultados obtidos no mercado de transações e controlar a emissão de novas unidades através de
criptomoedas. diferentes mecanismos. As criptomoedas existem em formato
digital, não há moedas ou notas fı́sicas, sendo armazenadas
Palavras chave-Criptomoedas, Bitcoin, Algoritmo de Negociação em carteiras digitais.
As criptomoedas podem servir a diversos fins, incluindo
Abstract–Cryptocurrencies have established themselves as a
class of financial assets, with a high volume of transactions pagamentos digitais, reserva de valor, realização de contratos
and various opportunities for gains in trading. Similar to other inteligentes (acordos autoexecutáveis), como meio de captação
financial markets, price prediction is one of the main challenges in de recursos por meio de ofertas iniciais de moedas, entre
cryptocurrency trading. The use of artificial intelligence as a fore- outros [3]. O marco regulatório das criptomoedas muda entre
casting tool has emerged as a popular research topic in the field
os paı́ses, enquanto alguns adotaram as criptomoedas, como
of cryptocurrencies. This paper proposes a study dedicated to the
development and performance evaluation of algorithms, aiming El Salvador, outros impuseram regulamentações rigorosas ou
to maximize investors’ returns in the cryptocurrency market. The as proibiram [4].
study explores three algorithm-based trading strategies: mean Muitas criptomoedas têm um suprimento limitado, o que
reversion, moving average crossover, and machine learning-based significa que há um número máximo de moedas que podem ser
models. The results obtained with these strategies are compared
with the buy and hold approach in Bitcoin during the period from criadas. Por exemplo, o Bitcoin tem um suprimento limitado
May 2021 to June 2024. The algorithms were tested using three de 21 milhões de moedas, o que pode criar escassez e
sampling periods: 1 hour, 12 hours, and 24 hours. The results influenciar o seu preço. Entre as criptomoedas populares estão
indicate that trading algorithms have the potential to play an o Bitcoin (BTC), o Ethereum (ETH), o Litecoin (LTC) e
important role in the outcomes achieved in the cryptocurrency muitas outras. O Coinmarketcap (2024) apresenta mais de
market.
10000 projetos de criptomoedas. Cada criptomoeda tem suas
Keywords—Cryptocurrency, Bitcoin, Trading Algorithm
próprias caracterı́sticas, sendo negociadas a um certo preço no
mercado financeiro. Para conduzir esta análise, foram utilizados dados históricos
As criptomoedas experimentaram uma ampla aceitação e de preços do Bitcoin entre maio de 2021 até junho de 2024 e
rápido desenvolvimento na última década. Os seus preços implementadas as três estratégias de trading em um ambiente
podem exibir valorização rápida e alta volatilidade em curtos simulado. As estratégias de trading foram escritas em Python,
perı́odos. A volatilidade é influenciada por vários fatores, enquanto as informações de preços foram obtidas através
incluindo o sentimento de mercado, desenvolvimentos regu- da Application Programming Interface, API, da corretora de
latórios e eventos macroeconômicos. criptomoedas Binance. Foi avaliado o desempenho de cada
Muitos fundos de aplicações financeiras e gestores de ativos estratégia em termos de retorno sobre o investimento, bem
começaram a incluir as criptomoedas em suas carteiras e como a volatilidade, que é uma medida de risco. Além disso,
estratégias de negociação [5]. Por exemplo, a BlackRock, uma examinamos a capacidade dessas estratégias em se adaptar
das maiores empresas de finanças mundial, entrou com pedido a diferentes condições de mercado, em perı́odos de queda,
para lançar um Exchange Traded Fund (ETF) de Bitcoin nos relativa estabilidade e aumento dos preços.
Estados Unidos. Na medida que as criptomoedas ganham cada
II. F UNDAMENTAÇ ÃO T E ÓRICA
vez mais aceitação, o interesse pela propriedade desses ativos
e pelo desenvolvimento de estratégias de negociação está em A. Criptomoedas
ascensão nas instituições financeiras e na academia. O conceito de criptomoedas, blockchain e o seu funciona-
Existem dois tipos distintos de ferramentas analı́ticas usadas mento foi trazido ao mundo em 2008, quando uma pessoa
por traders para estimar o retorno em um determinado ativo: ou grupo de pessoas sob o pseudônimo de Satoshi Nakamoto
indicadores técnicos e funcionais [6]. Indicadores técnicos são publicou o artigo Bitcoin: A Peer-to-Peer Electronic Cash
métricas calculadas a partir dos dados de preços e volumes System. Falaremos agora das principais caracterı́sticas do fun-
de um ativo para identificar padrões e tendências no mercado. cionamento desse tipo de moeda.
Eles incluem indicadores como médias móveis, MACD (Mov- As criptomoedas, em particular o Bitcoin, propõem um
ing Average Convergence Divergence), suporte e resistências, sistema de transações financeiras sem a necessidade de uma
entre outros. Por outro lado, os indicadores funcionais se autoridade central, como um banco [7]. Em vez disso, utiliza
concentram em aspectos fundamentais e macroeconômicos de uma rede descentralizada de pares (peers) que interagem
um ativo ou de um mercado, como indicadores econômicos, diretamente entre si. A blockchain é um registro público de
polı́ticas governamentais e eventos geopolı́ticos. Em resumo, todas as transações de Bitcoin, e funciona como um livro-
enquanto os indicadores técnicos se baseiam em dados de razão, onde todas as transações são registradas. Ela consiste
mercado passados para prever movimentos futuros, os indi- em blocos de transações encadeados e imutáveis, onde cada
cadores funcionais levam em consideração fatores econômicos bloco contém um hash do bloco anterior. No caso do Bitcoin,
e polı́ticos para entender o contexto em que os ativos estão o algoritmo de hash usado é o SHA-256, responsável por
operando. transformar o conteúdo de cada bloco em um número único
Este trabalho se concentra na análise e comparação de três de 256 bits [8]. Como cada bloco se refere ao bloco anterior
estratégias de trading de criptomoedas amplamente utilizadas: pelo seu hash, se diz que é criada uma cadeia de blocos. Isso
a estratégia de reversão à média, a estratégia de cruzamento assegura a integridade do histórico de transações.
de média móvel e o uso de aprendizado de máquina para A mineração é o processo pelo qual novas transações são
previsão da evolução de preços. O objetivo principal foi adicionadas à blockchain. Os mineradores resolvem problemas
avaliar o desempenho dessas estratégias em diferentes cenários matemáticos computacionalmente intensivos para adicionar
de mercado e identificar suas vantagens e desvantagens. As um bloco à blockchain, e são recompensados com novos
três abordagens são comparadas entre si, e também contra a bitcoins. Isso é conhecido como Prova de Trabalho (PoW)
estratégia mais simples de investimento, chamada ”buy and e é fundamental para a segurança do sistema. O Bitcoin
hold”. Essa consiste no investidor comprar o ativo no inı́cio é projetado para operar em uma rede descentralizada de
do perı́odo, e somente vendê-lo no final, de forma que todo computadores. A validação das transações e o consenso sobre
o retorno sobre o investimento é baseado no preço do ativo o estado da blockchain são alcançados por meio de proto-
no final do perı́odo, subtraı́do do preço do ativo no inı́cio do colos especı́ficos, inicialmente a PoW. Ao introduzir esses
perı́odo. conceitos, o artigo de Satoshi Nakamoto [9] proporcionou a
A estratégia de reversão à média baseia-se na suposição base para o desenvolvimento do Bitcoin e, posteriormente,
de que os preços das criptomoedas tendem a retornar a sua de muitas outras criptomoedas. Esses princı́pios continuam a
média histórica após flutuações significativas. A estratégia de ser fundamentais para a compreensão e o funcionamento de
cruzamento de média móvel envolve o uso de médias de curto criptomoedas em geral.
e longo prazo para identificar os momentos da compra e da As chamadas altcoins, uma abreviação para moedas al-
venda. Por fim, técnicas de aprendizado de máquina também ternativas, se referem as outras criptomoedas que não seja
podem ser usados para trading por serem capazes de analisar o Bitcoin. As altcoins representam uma enorme gama de
uma quantidade maior de informações do que os algoritmos moedas digitais que surgiram após a criação do Bitcoin,
convencionais, os quais usam apenas o preço do ativo ao longo possuindo diferentes caracterı́sticas, propósitos e utilizando
do tempo. variadas tecnologias. A altcoin mais conhecida e que possui
o segundo maior volume de negociação é o Ethereum. Há BTC, o Ethereum por ETH, o Tether por USDT. É similar
uma grande diversificação entre as altcoins, que também a representação das ações nos mercados acionários.
incluem Ripple, Litecoin, Cardano, Polkadot e muitas outras.
Há sites especializados que apresentam as criptomoedas, o
mais conhecido é o coinmarketcap. B. Técnicas e Estratégias de Negociação de Ativos Finan-
ceiros
As altcoins possuem diferentes objetivos, e normalmente
incluem novos recursos e melhorias em relação ao Bitcoin. O estudo dos preços dos ativos financeiros segue duas abor-
Alguns se concentram em aumentar a velocidade, a escala- dagens. A análise técnica utiliza as informações de dados de
bilidade e a privacidade das transações, outras buscam criar mercado do passado, principalmente preço e volume, para pr-
plataformas que possibilitam o surgimento de aplicativos de- ever movimentos futuros de preços e identificar oportunidades
scentralizados e contratos inteligentes [10]. Também há um de negociação. A análise envolve investigar as formações
conjunto de criptomoedas com objetivo especı́fico, como, por gráficas de históricos de preços para observar padrões de
exemplo, desenvolver robôs de negociação de cripto ativos. movimentos e tendências, nı́veis de suporte e resistência.
Esse é o caso da Unibot. São utilizados vários indicadores técnicos, tais como médias
Os preços das altcoins estão sujeitos a uma grande volatil- móveis, RSI (Relative Strength Index), MACD (Moving Av-
idade do mercado. Diferentes fatores afetam os seus preços, erage Convergence Divergence) e volumes de negociação. O
como, por exemplo, desenvolvimentos tecnológicos, mudanças objetivo principal da análise técnica é prever movimentos
na regulamentação, negociação em novas corretoras, o preço futuros de preços, identificando padrões ou tendências nos
do Bitcoin, entre outros [11]. O indicador de dominância dados históricos para estabelecer negociações em dado perı́odo
do Bitcoin indica quantos porcentos a negociação do Bitcoin para obter lucro no curto e médio prazos [13].
representa em relação ao total do volume de negociação das A análise fundamentalista centra-se em investigar o valor
criptomoedas. intrı́nseco de um ativo, avaliando vários fatores qualitativos
As altcoins têm contribuı́do para o crescimento e e quantitativos relacionados esse ativo, como ações de uma
diversificação do mercado de criptomoedas, oferecendo diver- empresa ou uma criptomoeda [14]. São considerados diver-
sas opções para investidores, desenvolvedores e usuários que sos fatores como a análise de demonstrações financeiras, os
buscam funcionalidades especı́ficas ou alternativas ao Bitcoin. relatórios de lucros, a qualidade de gestão, o posicionamento
No entanto, o investimento em altcoins requer muito cuidado, competitivo, as tendências do setor, os indicadores econômicos
dados o elevado risco e volatilidade dos seus preços. e fatores macroeconômicos, como a taxa de juros, o cresci-
As stablecoins, por sua vez, são um tipo de criptomoedas mento econômico, entre outros. No caso de uma criptomoeda
que reduzem a volatilidade dos preços, tendo o seu valor também são considerados diversos fatores, como o montante
vinculando a um ativo estável. Geralmente esse ativo estável de moeda ofertada, a equipe técnica e dirigente do projeto,
é uma moeda fiduciária, como, por exemplo, o dólar e o a comunidade associada ao projeto, a proposta da cripto-
euro, alguma commodity, ou mesmo outra criptomoeda. O moeda, a tecnologia utilizada, bem como a própria legislação
seu principal objetivo é manter um valor estável, reduzindo que regulamenta esses tipos de ativo. O objetivo da análise
as flutuações normalmente associadas a outras criptomoedas. fundamentalista é determinar se um ativo está subvalorizado
A estabilidade é muitas vezes alcançada através da ou sobrevalorizado com base nos seus atributos chaves para
utilização da moeda fiduciária como reserva ou garantia [12]. encontrar ativos negociados abaixo do seu valor intrı́nseco e
Esse é o caso da Tether e da USD Coin. Há algumas que investir no longo prazo.
utilizam criptomoedas como colaterais, como a Dai. Por fim, Os investidores e as instituições financeiras utilizam difer-
há algumas que procuram estabelecer a estabilidade com o entes estratégias que, muitas vezes envolvem uma combinação
uso de algoritmos complexos, ajustando a compra e venda da entre as análises técnica e fundamentalista, para administrar e
moeda para manter o seu valor estável. lucrar com os ativos financeiros. Entre as principais estratégias
As stablecoins têm sido utilizadas para diferentes objetivos. estão:
Elas funcionam como meio de troca entre as diferentes crip- • Comprar e Manter: os agentes compram ativos para
tomoedas, como reserva de valor nos perı́odos de volatilidade mantê-los no longo prazo, visando se beneficiar da
e são empregadas para a negociação nas corretoras de cripto- valorização do capital ou da geração de renda.
moedas. Elas também têm sido utilizadas para pagamentos e • Day Trading: os agentes compram e vendem ativos finan-
remessas entre os paı́ses devidos ao baixo custo e a sua esta- ceiros no mesmo dia de negociação para lucrar com as
bilidade de preço. Recentemente, algumas stablecoins foram flutuações de preços de curtı́ssimo prazo.
empregadas como meio de reserva de valor em paı́ses com • Swing Trading: os agentes mantêm ativos por alguns dias
inflação elevada. As stablecoins também são utilizadas nas ou semanas para ganhar com as flutuações de preços.
negociações algorı́tmicas, principalmente as que reproduzem • Negociação de Opções: os agentes negociam contratos de
o valor do dólar. compra e venda de opções, que proporcionam o direito,
As criptomoedas são representadas geralmente por três ou mas não a obrigação, de comprar ou vender ativos a um
quatro letras. Por exemplo, o Bitcoin é representado por preço prefixado em um dado perı́odo.
 • Negociação de Futuros: Compra ou venda de contratos Os algoritmos ou sistemas de negociação automatizados,
futuros que obrigam o comprador a comprar ou o vende- também chamados de robôs ou bots de negociação, são progra-
dor a vender um ativo a um preço e data predeterminados. mas de computador projetados para executar negociações auto-
• Diversificação: Distribuir os investimentos por diferentes maticamente com base em regras, critérios ou estratégias pre-
ativos ou classes de ativos para reduzir a exposição ao definidas nos mercados financeiros. Os algoritmos empregam
risco. software e tecnologia para analisar dados de mercado, tomar
• Arbitragem de preços: os agentes exploraram as decisões comerciais e executar negociações sem intervenção
diferenças de preços do mesmo ativo em diferentes mer- humana. A maioria dos algoritmos utiliza análise técnica para
cados para obter lucro com risco mı́nimo. fazer compra e venda dos ativos financeiros.
• Negociação algorı́tmica: os agentes utilizam de instruções O processo de negociação automatizada envolve diferentes
pré-programadas para realizar negociações com base em etapas. A primeira é o desenvolvimento do algoritmo com base
critérios como tempo, preço, volume negociado, ou outra em estratégias de negociação que podem estar ancorados em
medida quantitativa. indicadores técnicos, análises estatı́sticas, modelos quantita-
Cada estratégia tem um determinado perfil de risco, re- tivos ou algoritmos de aprendizado de máquina [16]. A seguir
torno potencial e adequação para diferentes objetivos de há a análise dos dados de mercado em tempo real, monitorando
investimento. Os agentes empregam frequentemente uma os movimentos de preços, os volumes de negociação e outros
combinação destas técnicas com base na sua tolerância ao indicadores considerados importantes. O próximo passo é o
risco, horizonte de investimento e condições de mercado. Ao algoritmo gerar sinais de compra ou venda, definindo o mo-
utilizar algoritmos de negociação é possı́vel combinar essas mento de compra e venda de um determinado ativo financeiro.
estratégias de modo a reduzir o risco e obter uma maior Uma vez identificada uma oportunidade de negociação, o
rentabilidade, particularmente, frente a estratégia de ”buy and bot executa automaticamente as negociações com base nas
hold”. regras programadas. Contudo, antes de utilizar o algoritmo em
mercados reais, há a necessidade de realizar testes para avaliar
C. Algoritmos de trading o desempenho do bot com o emprego de dados históricos. A
Embora ações e criptomoedas tenham origens e funciona- otimização e o refinamento do algoritmo ocorrem de modo
mentos distintos, ambos podem ser usados para gerar lucro contı́nuo a partir dos resultados do backtesting. Os sistemas
para investidores. Ações são tı́tulos que representam uma de negociação automatizados permitem incorporar a gestão de
fração do capital social de uma empresa. O valor das ações, risco que podem controlar o tamanho das posições, definir
como visto acima, é influenciado por diversos fatores, como ordens de saı́da da negociação para reduzir perdas e propiciar
o desempenho da empresa, a situação econômica do paı́s e a maiores ganhos.
polı́tica monetária. Já as criptomoedas são ativos digitais que Há benefı́cios e riscos associados a esse tipo de negociação.
utilizam criptografia para garantir a segurança das transações Entre os benefı́cios estão a possibilidade de executar
e a criação de novas unidades. O valor das criptomoedas é afe- negociações mais rapidamente, reduzir os efeitos psicológicos
tado por vários fatores, como a oferta e demanda, a aceitação das decisões, bem como operar continuamente que permite
do mercado, a tecnologia empregada, e a regulamentação responder a mudanças das condições do mercado. Por outro
governamental. A compra e venda de moedas fiduciárias, lado, há riscos associados com falhas técnicas, problemas de
como o dólar e o euro, também representa um importante otimização que resultam num fraco desempenho nos mer-
componente do mercado financeiro com enorme volume de cados reais. Portanto, continua sendo necessário o contı́nuo
negociação diária. monitoramento das aplicações financeiras e dos algoritmos
Investidores podem lucrar com ações e criptomoedas de utilizados nas negociações.
diversas maneiras. No caso das ações, é possı́vel obter lucro
com a valorização das mesmas, que ocorre o aumento dos seus D. Os Algoritmos Testados
preços. Além disso, muitas empresas distribuem parte do lucro A presente seção aborda em detalhes os três algoritmos es-
aos acionistas na forma de dividendos. Já no caso das cripto- colhidos para terem seu desempenho e lucratividade testados:
moedas, também é possı́vel obter lucro com a valorização de Reversão a Média, Cruzamento de Média Móvel e o Modelo
preço das mesmas. Esse trabalho compara experimentalmente de Rede Neural proposto por [17]
a rentabilidade de três diferentes algoritmos de trading no 1) Reversão à Média: A estratégia de reversão à média
contexto das criptomoedas. baseia-se na suposição de que os preços das criptomoedas
Um algoritmo de trading nada mais é do que um sistema tendem a retornar a sua média histórica após flutuações
computadorizado baseado em regras responsável por executar significativas. Com isso em mente, é possı́vel montar uma
ordens de comprar ou vender determinado ativo [15]. Muitos estratégia de compra e venda baseando-se no quão distante
desses algoritmos já existiam antes da concepção das cripto- o preço atual está do preço médio no perı́odo de interesse.
moedas, e eram (e ainda são) usados para negociar ações, e Para isso, primeiro é necessário ter em mãos o valor da média.
muitas dessas soluções já existentes para o mundo das ações Sendo pi o preço observado no perı́odo i, e N a quantidade
financeiras podem ser adaptadas para o uso no mercado das de perı́odos totais, podemos calcular a média M seguindo a
criptomoedas. equação 1
 PN
i=1 pi Relu(z) = max(0, z) (6)
M= (1)
N
E a função de ativação da camada final é a softmax, que
A seguir, é necessário calcular o desvio de cada perı́odo: transforma cada saı́da yi da seguinte maneira:

di = pi − M (2) ezi
σ(zi ) = PK f or i = 1, . . . , N [7] (7)
zj
j=1 e
Para então poder calcular o desvio padrão:
s Agora iremos definir as etapas de pré-processamento para
PN 2 preparar os dados brutos da série temporal para servirem como
1 di
σ= (3) entrada para a primeira camada da rede neural. Uma entrada
N −1
i para determinado instante de amostra t é dada pela seguinte
E então, por fim, calcular o Z-score, que indica o quão expressão:
distante o preço está do desvio padrão.

di it = ((EMAM,t )M , (EMSDM,t )M , (RSIK,t )K , rt−1 ) ∈ R12

Z= (4) (8)
σ
Onde rt−1 é o retorno normalizado do perı́odo anterior,
É definido então um limiar para o Z-score (normalmente calculado ao normalizar o retorno R de um perı́odo t usando
1.5 ou 2), para determinar se a criptomoeda está sobre ou a média e desvio padrão desde o inı́cio da coleta de dados.
subvalorizada.
Além da análise da média móvel simples, é possı́vel em- Rt − avg(Rt )
rt = (9)
pregar outros métodos de cálculo de média. A média móvel std(Rt )
exponencial dá maior peso as observações mais recentes, Por sua vez, o retorno R de um perı́odo t é calculado a partir
tornando-o mais responsivo às mudanças recentes de preços. do preço do perı́odo atual Pt e o preço do perı́odo anterior
A média móvel ponderada também atribui pesos maiores Pt−1 :
as informações mais recentes do perı́odo escolhido. Assim,
as informações mais atuais possuem pesos mais elevados, Pt
Rt = −1 (10)
indicando mais rapidamente uma mudança nas condições de Pt−1
mercado.
EMA e EMSD se referem, respectivamente, à média móvel
2) Cruzamento de Média Móvel: A estratégia de cruza- exponencial e ao desvio padrão móvel exponencial:
mento de média móvel envolve o uso de médias móveis de
curto e longo prazo para identificar os momentos da compra
e venda. Isso envolve capturar os momentos nos quais há um EMAM,t = αM rt − 1 + (1 − αM )EMAM,t−1 (11)
cruzamento das medias móveis definidas. É possı́vel empregar
média móvel simples, exponencial, e média móvel ponderada q
ou uma combinação entre elas. Quando a média móvel curta EMSDM,t = αM (rt−1 EMAM,t−1 )2 + (1 − αM )EMSDM,t−12

ultrapassa a longa, há uma indicação de que a criptomoeda (12)

está se valorizando, então é um momento para comprar. Por Onde o parâmetro αM é definido como αM = (1+M 2
para
)
outro lado, quando a média longa ultrapassa a curta, isso é os seguintes valores de M = 2, 4, 12, 24. M , por sua vez, se
um indı́cio de desvalorização, então devemos vender. Nesse refere ao perı́odo considerado no cálculo da média e desvio
trabalho, usamos um perı́odo de quatro dias para calcular a padrão móvel. Por fim, o Relative Strength Index, ou RSI, é
média móvel de curto prazo, e de nove dias para a de longo dado por:
prazo. A média móvel simples será utilizada na análise.
3) O modelo de aprendizado: O terceiro algoritmo a ser tes- PRK,t
RSIK,t = (13)
tado será baseado em uma rede neural. Mais especificamente, PRK,t + NRK,t
será o modelo proposto por [17] no artigo Bitcoin technical K
trading with artificial neural network. PRK,t =
X
max(rt−k , 0) (14)
O modelo de rede neural consiste de sete camadas to- k=1
talmente conectadas, sendo uma de input, cinco camadas
K
intermediárias, e a camada de saı́da. O número N de nodos X
NRK,t = max(−rt−k , 0) (15)
de cada camada l(l = 1, . . . , 7) é dado por:
k=1
[l]
Nl=1,...,7 = (12, 40, 30, 20, 10, 5, 4) (5) Onde o parâmetro K assume os valores K = 12, 24, 48.
A camada final determina as negociações em quatro classes
A função de ativação usada pelas camadas intermediárias é conforme o quartil de retorno esperado para o próximo
a ReLU [18], dada por: perı́odo. A estratégia adotada é a seguinte: compra se o retorno
esperado para o próximo perı́odo estiver no quarto quartil; não frequência de negociações. As negociações institucionais en-
toma nenhuma ação se o retorno esperado estiver no segundo volvem grandes instituições financeiras, como bancos e fundos
ou terceiro quartis; e vende se o retorno esperado estiver no de investimento, com grandes volumes de ativos e baixa
primeiro quartil. frequência de negociações.
A frequência das negociações possui diferentes efeitos no
E. Comparação entre as estratégias de negociação mercado. O aumento da frequência geralmente melhora a
A comparação entre os resultados das negociações envolve a liquidez, permitindo a entrada e saı́da de posições com mais
utilização de análise estatı́stica através de métricas para avaliar facilidade, o que pode reduzir a distância entre os preços de
qual apresenta os melhores resultados. No presente trabalho a venda e compra dos ativos e diminuir os custos de transação.
comparação é realizada utilizando-se as seguintes medidas que No entanto, pode também aumentar a volatilidade do mercado,
são tradicionalmente utilizadas na literatura. amplificando as oscilações de preços e gerando condições de
mercado mais imprevisı́veis. A redução da frequência torna os
• Retorno: O retorno mede o lucro ou prejuı́zo gerado
preços dos ativos mais estáveis.
por uma estratégia de negociação em um determinado
Negociações mais frequentes também influenciam o risco.
perı́odo, expresso como o retorno médio diário em
Por um lado, permitem ajustes rápidos nas posições em
comparação ao ”buy and hold”.
resposta às mudanças do mercado. Por outro lado, aumentam a
• Volatilidade: A volatilidade mede a variabilidade dos
exposição às flutuações do mercado e aos riscos operacionais.
retornos, sendo uma medida de risco. Normalmente é
Frequência elevada pode levar a entradas e saı́das do mercado
medida pela variância ou o desvio padrão dos retornos
em momentos inadequados e a custos mais altos associados a
das estratégias utilizadas.
taxas de transação, maiores taxas de rotatividade e à necessi-
• Menor valor, Maior valor e Taxa de acertos: O menor
dade de tecnologia avançada. Esses custos devem ser compen-
valor indica o menor valor que a estratégia alcançou
sados por uma receita maior proveniente de negociações mais
em relação ao ”buy and hold”, enquanto o maior valor
frequentes.
representa o mais alto valor alcançado em relação ao ”buy
Portanto, a frequência também afeta o resultado das
and hold”. A taxa de acertos é medida pelo percentual de
operações. Segundo Barber e Odean (2009) a mudança para
observações em que o valor da estratégia foi superior ao
negociação online e a maior negociação ocasionou uma
”buy and hold” no fechamento das frequências analisadas.
redução dos resultados das operações dos indivı́duos quando
Cada uma das três estratégias de negociação será testada comparado ao desempenho anterior [19]. Resultado similar
com dados do perı́odo de 10/05/2021 até o dia 23/6/2024, tinha sido obtido por Barber e Odean (2000) ao verificarem
considerando 3 diferentes intervalos de amostragem: a cada 1 que famı́lias com maior frequência de negociações apresentam
hora, 12 horas e 24 horas. menor retorno lı́quido [20]. É importante ressaltar que esses re-
sultados dizem respeito ao mercado acionário e não envolvem
F. Os Efeitos da Frequência de Negociação nos Mercados e
investidores institucionais. Os resultados para as negociações
no Desempenho
de criptomoedas podem ser diferentes.
As mudanças na frequência de negociação podem ter im-
pactos significativos em vários aspectos da dinâmica do mer- G. Trabalhos Relacionados
cado e nos possı́veis resultados das operações. Negociações Cohen e Qadan (2022) [21] fazem um estudo para de-
de alta frequência utilizam algoritmos complexos para executar terminar quais indicadores são os mais efetivos para serem
um grande número de ordens de compra e venda em frações de usados como entrada de redes neurais para negociação das
segundos, geralmente em milissegundos ou microssegundos. criptomoedas Bitcoin, Ethereum, Solana e BNB. Os principais
Cada negociação gera lucros pequenos, mas o alto volume de indicadores incluı́dos na análise foram Nuvens de Ichimoku
operações resulta em lucros acumulados significativos. e Convergência e Divergência da média móvel. O trabalho
As negociações que não utilizam alta frequência podem ser investigou o perı́odo de janeiro de 2021 até abril de 2022. O
categorizadas em: day trade, swing trade, trading de posição principal resultado foi que mais indicadores não necessaria-
e negociações institucionais. O day trade envolve posições mente implicam em um aumento no desempenho de trading
de compra e venda que são finalizadas no mesmo dia e em comparação ao comprar e manter, com as Nuvens de
podem incluir um volume alto de negociações, embora menor Ichimoku apresentando os melhores resultados.
comparado aos trades de alta frequência. As decisões são Zbikowski (2016) [22] realiza uma comparação entre o
feitas por pessoas com o auxı́lio de ferramentas algorı́tmicas desempenho de três algoritmos de trading automatizado no
e indicadores técnicos. contexto da moeda Bitcoin, a média móvel exponencial, e duas
O swing trade mantém posições de compra e venda variações de support vector machines. O perı́odo selecionado
por vários dias ou semanas, baseando-se na análise de foi do inı́cio de janeiro de 2015 ao final de fevereiro de 2015
padrões gráficos e indicadores técnicos, resultando em uma para a frequência de 15 minutos. Os resultados mostraram
menor frequência de negociações comparada ao day trade. que a média exponencial teve retornos menores do que ”buy
O trading de posição mantém compras e vendas por meses, and hold”, as duas variações de support vector machines
fundamentando-se em análise fundamentalista, com baixa apresentaram resultados superiores.
 Nakano et al. (2018) [17] utiliza redes neurais para a
previsão de retornos do Bitcoin. Os sinais de negociação
foram obtidos com o uso da rede neural de sete camadas
que empregam indicadores técnicos calculados a cada 15
minutos. O perı́odo de análise foi de dezembro de 2017 a
janeiro de 2018. Os resultados mostraram que o desempenho
da abordagem utilizada foi superior à estratégia de ”buy and
hold”.

Fang et al. (2022) [5] fazem uma revisão muito completa

da literatura referente relacionada a comercialização de cripto-
moedas, incluindo trading automatizados. Uma das vantagens
apontadas pelo trabalho é que as negociações de cryptomoedas
são realizadas 24 horas nos sete dias da semana, sendo possı́vel
utilizar diferentes estratégias de negociação.

Fig. 1. Resultado do backtest para as estratégias de cruzamento de médias e

comprar e manter para a frequência de 1 hora.

A implementação da rede neural proposta por [17] foi

realizada a partir da sua arquitetura e dos passos de pré-
III. T RABALHO D ESENVOLVIDO processamento descritos acima. Análise dos resultados é dis-
cutida na próxima seção. O código Python que define a
arquitetura da rede neural pode ser visto na Figura 2

Neste trabalho, comparamos o desempenho de três algorit-

mos de negociações automatizadas para o Bitcoin em relação à
estratégia de comprar e manter. As estratégias apresentadas na
seção acima foram desenvolvidas em Python usando pandas,
numpy e pytorch. As informações sobre os preços do Bitcoin
foram obtidas a partir da API da Binance [23]. A seguir
foram realizados os backtests das estratégias automatizadas.
Os três algoritmos testados foram cruzamento de médias
móveis, reversão à média e rede neurais.

O backtest é um procedimento chave para avaliar o de-

sempenho de estratégias de negociação. Ele envolve simular
a execução da estratégia usando dados históricos de mercado
para avaliar sua efetividade em termos de retorno e volatilidade
em diversas condições de mercado. O backtest desempenha um
papel fundamental na avaliação e refinamento dos algoritmos
de negociação e na identificação de seus pontos fortes e fracos
antes de sua implementação no mundo real. Portanto, ele en-
volve a implementação da estratégia, a execução da simulação
com os dados históricos e a avaliação do desempenho das
estratégias.

A Figura 1 mostra os dados do backtest para a estratégia

de cruzamento de média com frequência de uma hora, con- Fig. 2. Definição da arquitetura do modelo testado
siderando a aplicação de um dólar nas diferentes estratégias de
negociação. Embora os resultados do backtest sirvam como um A Figura 3 mostra a evolução do preço de fechamento
bom indicativo do desempenho esperado de um determinado diário do Bitcoin na Binance entre 10/05/2021 e 23/06/2024.
algoritmo, nada garante que a estratégia avaliada seguirá tendo Observa-se um movimento cı́clico no preço. Houve uma queda
o mesmo desempenho em um ambiente de trading em tempo acentuada entre maio e o final de julho de 2021, seguida por
real. uma rápida recuperação até novembro do mesmo ano, quando
o preço atingiu um valor levemente superior a 67.000 dólares. de treinamento necessário. A estratégia de cruzamento de
Posteriormente, o preço caiu até o final de 2022, chegando a média móvel continuou apresentando o pior desempenho.
cerca de 16.000 dólares. A partir daı́, iniciou-se uma rápida É importante observar que, com a redução da frequência,
recuperação até abril de 2024, quando o preço alcançou um houve um aumento dos retornos em todas as estratégias
recorde de 71.000 dólares, passando a oscilar em valores ativas de negociação. Portanto, a frequência também influencia
levemente mais baixos a partir de então. os resultados das negociações no mercado de criptomoedas,
mesmo com a utilização de robôs. Este resultado é consistente
com o observado no mercado acionário, onde estratégias de
negociação de menor frequência tendem a ser mais lucrativas
do que aquelas de maior frequência.
Tabela 1. Retorno diário percentual das estratégias com
diferentes frequências de negociação.
1hora 12horas 24horas
Cruzamento de Média Móvel -0.0274 -0.0046 0.0073
Reversão à Média 0.0395 0.0752 0.1128
Buy and Hold 0.0528 0.0499 0.0532
Rede Neural 0.1495 0.6012 nd
Buy and Hold 0.2204 0.5613 nd

Nota: nd - não disponı́vel

A Tabela 2 apresenta a variação dos retornos para as
diferentes estratégias de negociação. Verifica-se que houve um
Fig. 3. Preço diário do Bitcoin em dólares na Binance, 10/05/2021-23/06/2024
aumento da variação dos retornos com a redução da frequência
de negociação, o que pode ser explicado pelo aumento dos
O perı́odo de análise teve fases distintas no preço do Bitcoin. rendimentos.
Portanto, as estratégias de negociação devem ser capazes de Tabela 2. Variância do retorno das estratégias com diferentes
se adaptar a diferentes condições de mercado para obterem frequências de negociação.
resultados positivos.
Estratégia 1hora 12 horas 24 horas
Cruzamento de Média Móvel 0.0000412 0.0002187 0.0004135
IV. R ESULTADOS Reversão à Média 0.0000200 0.0004616 0.0004096
Buy and hold 0.0000401 0.0002648 0.0008847
Um aspecto importante a considerar é que os resultados Rede Neural 0.0000146 0.0111757 nd
das estratégias de cruzamento de média móvel e de reversão Buy and hold 0.0000237 0.0002908 nd
à média não são diretamente comparáveis aos resultados da
rede neural, uma vez que essa última requer um perı́odo de Nota: nd - não disponı́vel
treinamento necessário para ajustar seus parâmetros internos. Observa-se que o único caso em que o retorno foi superior
A rentabilidade para as diferentes frequências de amostragem e a variância, uma medida de risco, foi inferior ao ”buy and
foram calculados para um perı́odo de 24 horas, o que permite hold”, foi na estratégia de reversão à média para a frequência
uma maior comparabilidade entre os diferentes robôs de de 24 horas. Logo, é possı́vel desenvolver robôs de negociação
negociação. capazes de aumentar a rentabilidade e reduzir o risco. Esses
A Tabela 1 apresenta os resultados dos retornos para as resultados foram obtidos em diferentes condições do ciclo de
diferentes frequências. Para a frequência de uma hora, a preço do Bitcoin.
estratégia de ”buy and hold” teve um retorno percentual diário A Tabela 3 apresenta as informações para o menor valor
superior às demais estratégias. A estratégia de reversão à relativo que a estratégia atingiu em comparação ao comprar
média obteve um retorno maior do que a de cruzamento de e manter, o maior valor relativo que a estratégia obteve
média móvel, a qual mostrou um desempenho negativo. A em relação ao ”buy and hold”, bem como o percentual de
rede neural teve um retorno positivo, mas inferior ao comprar observações em que o ”valor investido” na estratégia foi
e manter. superior ao mesmo valor no caso de comprar e manter no
Para a frequência de 12 horas, as estratégias de reversão fechamento das frequências analisadas. Novamente a reversão
à média e de rede neural apresentaram resultados superiores à média apresentou resultados que superaram as demais es-
à estratégia de ”buy and hold”. Por outro lado, a estratégia tratégias de negociação. A frequência de 24 horas para a
de cruzamento de média móvel teve o pior desempenho, com estratégia de reversão à média atingiu 2,46 vezes o valor da
retornos negativos. Quando se considera a frequência de 24 estratégia de ”buy and holder”, a maior distância relativa.
horas, a estratégia de reversão à média obteve um resultado Tabela 3. Comparação entre os portfólios das estratégias
superior ao ”buy and hold”, apresentando o dobro do rendi- com algoritmo de trade e buy and hold: o menor valor e
mento diário desta última. No entanto, não há informações o maior valor relativos e o percentual das observações com
suficientes para a estratégia de rede neural devido ao perı́odo portfólio superior ao buy and hold para diferentes frequências.
 Estratégia Menor Valor Maior Valor Observações
Cruzamento de Média Móvel para a negociação de criptomoedas, destacando o potencial
1hora 0.601 1.821 46.53 dos algoritmos de trading para gerar resultados positivos no
12 horas 0.629 1.574 29.91 mercado financeiro.
24 horas 0.661 2.094 80.98
Reversão à Média R EFERENCES
1hora 0.966 2.299 99.56
12 horas 0.924 2.098 86.82 [1] V. Marella, B. Upreti, J. Merikivi, and V. Tuunainen, “Understanding
24 horas 0.936 2.460 93.94 the creation of trust in cryptocurrencies: the case of bitcoin,” Electronic
Rede Neural Markets, vol. 30, 01 2020.
1hora 0.412 1.212 28.59 [2] D. Tapscott and A. Tapscott, Blockchain Revolution: How the Tech-
12 horas 0.851 1.131 84.42 nology Behind Bitcoin Is Changing Money, Business and the World.
London: Portfolio Penguin, 2016.
[3] G. Deka, Advanced Applications of Blockchain Technology (Studies in
V. C ONCLUS ÃO E T RABALHOS F UTUROS Big Data). 10 2019.
A expansão das criptomoedas como uma classe de ativos [4] S. Náñez Alonso, M. Echarte Fernández, D. Sanz-Bas, and
C. Pérez Rico, “El salvador: an analysis of the monetary integration law
financeiros com alto retorno e volatilidade tem gerado con- and the bitcoin law,” Brazilian Journal of Political Economy, vol. 44,
siderável interesse no uso de algoritmos de negociação para pp. 189–209, 01 2024.
esse mercado, visando aumentar a rentabilidade e reduzir os [5] F. Fang, C. Ventre, M. Basios, L. Kanthan, D. Martinez-Rego, F. Wu,
and L. Li, “Cryptocurrency trading: a comprehensive survey,” Financial
riscos. Este trabalho propôs um estudo dedicado ao desenvolvi- Innovation, 2022.
mento e à avaliação do desempenho desses algoritmos, com o [6] A. Alinezhad, A. Amini, and G.Rahnama, “Ranking and managing stock
objetivo de aumentar os retornos e diminuir a volatilidade para in the stock market using fundamental and technical analyses”. journal
of modern processes in manufacturing and production, vol. 4, no. 3,
os investidores no mercado de criptomoedas. O estudo imple- 2015.,” 05 2015.
mentou três estratégias de negociação baseadas em algoritmos: [7] C. Harwick, “Cryptocurrency and the problem of intermediation,” Inde-
reversão à média, cruzamento de média móvel e um modelo pendent Review, vol. 20, pp. 569–588, 03 2017.
[8] N. Thuy and L. Khai, “A fast approach for bitcoin blockchain cryptocur-
baseado em redes neurais. Os resultados obtidos com essas rency mining system,” Integration, vol. 74, pp. 107–114, 2020.
estratégias são comparados com a abordagem de comprar e [9] S. Nakamoto, “Bitcoin: A peer-to-peer electronic cash system,” Dec
manter Bitcoin durante o perı́odo de maio de 2021 a junho 2008.
[10] H. Halaburda, M. Sarvary, and G. Haeringer, Beyond Bitcoin. No. 978-
de 2024. Cada algoritmo foi testado usando três diferentes 3-030-88931-9 in Springer Books, Springer, June 2022.
perı́odos de amostragem: 1 hora, 12 horas e 24 horas. [11] Y. Sovbetov, “Factors influencing cryptocurrency prices: Evidence from
Os resultados indicam que, para a frequência de uma hora, bitcoin, ethereum, dash, litecoin, and monero,” Journal of Economics
and Financial Analysis, vol. 2, no. 2, pp. 1–27, 2018.
a melhor opção é ”buy and hold”. Na frequência de 12 horas, [12] R. K. Lyons and G. Viswanath-Natraj, “What keeps stablecoins stable?,”
as estratégias de reversão à média e redes neurais tiveram Journal of International Money and Finance, vol. 131, p. 102777, 2023.
desempenho superior ao comprar e manter. Com 24 horas, a [13] R. Schabacker, Technical analysis and stock market profits. Harriman
House Limited, 2021.
estratégia de reversão à média teve o dobro do rendimento do [14] I. Nti, A. Adekoya, and B. Weyori, “A systematic review of fundamental
”buy and hold”, além de apresentar menor variância, que é um and technical analysis of stock market predictions,” Artificial Intelligence
indicador de risco. O aumento da rentabilidade e a redução da Review, vol. 53, 04 2020.
[15] B. Johnson and M. Press, Algorithmic Trading & DMA: An Introduction
volatilidade foram observados em um perı́odo em que o ciclo to Direct Access Trading Strategies. 4Myeloma Press, 2011.
de preço do Bitcoin apresentou fases de expansão e contração. [16] G. Cohen, “Intraday algorithmic trading strategies for cryptocurrencies,”
É importante observar que, com a redução da frequência, Review of Quantitative Finance and Accounting, vol. 61, pp. 1–15, 05
2023.
houve um aumento do retorno em todas as estratégias ativas [17] M. Nakano, A. Takahashi, and S. Takahashi, “Bitcoin technical trading
de negociação. Portanto, a frequência também influencia os with artificial neural network,” Physica A: Statistical Mechanics and its
resultados das negociações no mercado de criptomoedas, um Applications, vol. 510, pp. 587–609, 2018.
[18] X. Glorot, A. Bordes, and Y. Bengio, “Deep sparse rectifier neural
comportamento consistente com o observado no mercado networks,” vol. 15, 2011.
acionário. Em outras palavras, estratégias de negociação de [19] B. Barber and T. Odean, “Does online trading change investor behav-
menor frequência tendem a ser mais lucrativas do que aquelas ior?,” European Business Organization Law Review, vol. 3, pp. 83 –
128, 03 2002.
de maior frequência. Portanto, há possibilidades de algorit- [20] B. Barber and T. Odean, “Trading is hazardous to your wealth: The
mos de negociação desempenharem um papel importante nos common stock investment performance of individual investors,” Journal
resultados obtidos no mercado de criptomoedas. of Finance, vol. 116, pp. 261–292, 01 2000.
[21] G. Cohen and M. Qadan, “The complexity of cryptocurrencies algorith-
Pesquisas futuras devem se aprofundar na otimização de mic trading,” Mathematics, vol. 10, no. 12, 2022.
parâmetros e hiperparâmetros dos algoritmos, incorporando [22] K. Zbikowski, “Application of machine learning algorithms for bitcoin
novas técnicas de aprendizado de máquina para um desem- automated trading,” 2016.
[23] Binance, “Binance api documentation.” https://binance-docs.github.io/
penho mais adaptativo. A consideração de informações adi- apidocs/spot/en/. Accessed on: June 30, 2024.
cionais, como os dados de volume de negociação, pode mel-
horar ainda mais a eficácia dos robôs de negociação. Também é
possı́vel analisar os resultados para outras criptomoedas, como
o Ethereum. Além disso, a inclusão de dados fundamentalis-
tas, como a taxa de juros no mercado internacional, abre a
possibilidade de combinar estratégias de negociação técnica e
fundamentalista. No geral, o estudo oferece sugestões valiosas