Modelado predictivo de la dirección de la cotización del Bitcoin utilizando índices de mercado, análisis de sentimientos en Twitter e índices de popularidad por término mediante Google Trends

Abstract

[spa] El propósito de este artículo es exponer el estudio realizado acerca de la predicción de la evolución de la cotización del Bitcoin. Se describe el proceso de obtención de datos mediante técnicas de scraping sobre diferentes fuentes de datos utilizadas: Binance, Twitter y Google Trends. Se han tenido en cuenta diferentes índices de mercado que rigen la criptomoneda, como son el volumen y precios de apertura o cierre, entre otros. Además, se han tratado índices de polaridad de sentimientos y popularidad a partir de Twitter y Google Trends respectivamente. A partir de los datos obtenidos, se han aplicado procesos de feature engineering y minería de textos que han permitido la obtención de información implícita sobre la original que complementa y potencia el conjunto de datos. El modelado de los datos se ha realizado utilizando técnicas estadísticas, como son redes neuronales del tipo Long-Short Term Neural Network u otras cómo por ejemplo Gradient Boosting.

[eng] The purpose of this paper is to present a study conducted around the price development of Bitcoin. The process starts by collecting data using Scraping techniques on different data sources: Binance, Twitter and Google Trends. We have been considering different market indexes that govern the cryptocurrency, as they might be the volume and the opening or closing prices. In addition, the polarity indexes and popularity have been treated, respectively from Twitter and Google Trends. The data obtained has been analyzed using feature engineering and data mining techniques, and new information has been obtained complementing and improving original data. Data modeling has been done using neural networks like Long-Short Term or other such as Gradient boosting.