Trading Automatizado
Criptomoedas
Inteligência Artificial
Machine Learning
Backtesting

Nos últimos anos, as moedas virtuais consolidaram-se como um fenómeno disruptivo nos mercados financeiros globais, tornando-se uma nova e atrativa fonte de investimento para inúmeros traders. Paralelamente, a Inteligência Artificial (IA) tem registado um crescimento exponencial em diversas áreas do conhecimento, afirmando-se como uma ferramenta poderosa, especialmente no domínio das criptomoedas, graças à aplicação de modelos avançados, de Aprendizagem de Máquina (Machine Learning – ML).
Portanto, este trabalho propõe o desenvolvimento e a avaliação comparativa de um sistema de trading automatizado aplicado ao par de criptomoedas BTC/USDT, com base nos três modelos de IA, especificamente os modelos de como Long Short-Term Memory (LSTM), Random Forest (RF) e Transformer. O estudo foi conduzido em múltiplos intervalos temporais (4 horas, diário e semanal), com o objetivo de analisar a capacidade preditiva de cada modelo e a rentabilidade de uma estratégia de trading simulada. A metodologia incluiu a recolha de dados históricos no formato OHLCV, a construção de variáveis explicativas com base em indicadores técnicos (tais como médias móveis, RSI, MACD, entre outros) e o treino dos modelos para prever o preço de fecho futuro.
Para testar a eficácia das previsões em contextos realistas, foi desenvolvido um simulador de backtesting. Os dados foram segmentados em conjuntos de treino, validação e teste, assegurando a fiabilidade e robustez da análise.
Os resultados experimentais revelaram que os modelos implementados, com destaque para o Random Forest, demonstraram um desempenho relevante na previsão de tendências de valorização e desvalorização dos preços. Estes resultados evidenciam o potencial da IA e, em particular, dos algoritmos de ML como apoio à tomada de decisão em ambientes de negociação de ativos digitais.