Analise por séries temporais do comportamento do preço do Bitcoin. Este repositório tem como objetivo o início de estudo de séries temporais, onde este tema foi coletado através do canal "Nerd dos Dados" onde foi abordado o estudo do comportamento do Bitcoin e elaborada uma previsão do valor do Bitcoin nos próximos 6 meses.
O Bitcoin é uma criptomoeda descentralizada baseada em tecnologia de blockchain. Foi concebido por uma pessoa (ou grupo) sob o pseudônimo de Satoshi Nakamoto e lançado em 2009. O conceito revolucionário por trás do Bitcoin é criar uma moeda digital que não depende de uma autoridade central, como um governo ou banco. Em vez disso, utiliza uma rede peer-to-peer (P2P) para verificar e registrar transações. O Bitcoin usa criptografia avançada para garantir a segurança das transações e para controlar a criação de novas unidades, processo conhecido como mineração. Através do Bitcoin, as pessoas podem enviar e receber pagamentos diretamente, sem a necessidade de intermediários tradicionais, como bancos. Essa independência e a transparência proporcionada pela tecnologia blockchain tornaram o Bitcoin um fenômeno global, despertando o interesse de investidores, entusiastas da tecnologia e instituições financeiras ao redor do mundo.
A história do Bitcoin é marcada por eventos significativos. Inicialmente, a criptomoeda atraiu principalmente um pequeno número de entusiastas e técnicos. No entanto, em 2013, o valor do Bitcoin começou a subir rapidamente, atingindo mais de 1.000 dólares por unidade. Essa valorização atraiu a atenção da mídia e do público em geral, levando a um aumento significativo no número de pessoas interessadas em adquirir Bitcoins. O Bitcoin continuou a se expandir e em 2017 atingiu um pico histórico, ultrapassando os 20.000 dólares por unidade. Esse aumento meteórico foi seguido por uma correção de preços, mas o Bitcoin permaneceu como a criptomoeda mais proeminente e valiosa. Desde então, várias empresas, incluindo gigantes financeiros, começaram a explorar a adoção do Bitcoin e de outras criptomoedas. Apesar da volatilidade e dos desafios regulatórios, o Bitcoin continua a desempenhar um papel significativo na evolução do sistema financeiro global e na popularização da tecnologia blockchain.
Fonte: Chat GPT
Séries temporais são conjuntos de dados que estão organizados em uma ordem cronológica, onde cada observação está associada a um momento específico no tempo. O estudo de séries temporais envolve analisar e modelar padrões, tendências e comportamentos ao longo do tempo. Com o avanço da tecnologia e a disponibilidade de grandes volumes de dados, o uso de técnicas de análise de séries temporais tem se tornado cada vez mais relevante em diversas áreas.
O estudo de séries temporais surgiu em diversas áreas, incluindo economia, finanças, meteorologia, medicina e engenharia. Em economia e finanças, as séries temporais são usadas para prever preços de ativos, analisar tendências de mercado e identificar padrões sazonais. Na meteorologia, as séries temporais são usadas para prever o clima e analisar padrões sazonais e climáticos. Na medicina, as séries temporais são usadas para monitorar sinais vitais, prever a evolução de doenças e analisar o impacto de intervenções médicas. Na engenharia, as séries temporais são usadas para monitorar o desempenho de sistemas, prever falhas e otimizar processos. Em resumo, o estudo de séries temporais utilizando Python desempenha um papel fundamental em diversas áreas, permitindo a compreensão e a previsão de eventos e fenômenos ao longo do tempo.
A Simulação de Monte Carlo é uma técnica estatística que utiliza a geração de números aleatórios para modelar e analisar problemas complexos. Ela recebe esse nome em homenagem à cidade de Monte Carlo, conhecida por seu famoso cassino e pela incerteza inerente aos jogos de azar. A simulação de Monte Carlo é amplamente utilizada em várias áreas, como finanças, engenharia, física, ciências sociais e muitas outras.
A ideia por trás da Simulação de Monte Carlo é realizar repetidos experimentos computacionais, com base em distribuições de probabilidade conhecidas ou suposições, a fim de estimar resultados prováveis ou explorar o comportamento de sistemas complexos. A técnica envolve a geração de números aleatórios que seguem as distribuições de probabilidade relevantes para o problema em questão. Esses números aleatórios são então utilizados como entradas para um modelo ou algoritmo, permitindo a simulação de um grande número de cenários possíveis. A partir dessas simulações, é possível obter estatísticas descritivas, como médias, desvios-padrão, intervalos de confiança, além de visualizar gráficos e distribuições de resultados simulados.
A Simulação de Monte Carlo tem várias aplicações práticas, como a avaliação de riscos financeiros, o planejamento de projetos, a otimização de sistemas complexos, o estudo de fenômenos físicos e a previsão de resultados incertos. Na área financeira, por exemplo, a simulação de Monte Carlo pode ser usada para estimar o valor de opções, analisar portfólios de investimentos e realizar testes de estresse em modelos econômicos. Em engenharia, a simulação de Monte Carlo é aplicada para analisar a confiabilidade de sistemas, estimar tempos de entrega e avaliar a segurança de estruturas. Em essência, a Simulação de Monte Carlo é uma ferramenta poderosa que permite abordar problemas complexos e tomar decisões informadas em situações de incerteza.
Yahoo Finance - https://finance.yahoo.com/ - Informações coletadas diretamente da API
| Column | Description |
|---|---|
Date |
Data do dia da negociação da ação |
Open |
Preço de abertura da negociação. |
High |
Maior preço da ação naquele dia. |
Low |
Menor preço da ação naquele dia. |
Volume |
Quantidade de ações comercializadas naquele dia. |
Verificar a variação da cotação durante o tempo e elaborar uma previsão através da Simulação de Monte Carlo sobre o preço futuro da Criptomoeda nos próximos 6 meses