Proyección del precio de criptomonedas basado en Tweets empleando LSTM

Resumen

El modelamiento y predicción de series temporales es esencial para la optimización financiera. Este estudio analiza en qué medida las publicaciones en redes sociales pueden capturar las expectativas de los inversores y afectar el valor de las criptomonedas. Se propone un modelo basado en Long Short Term Memory (LSTM) para pronosticar el desempeño diario del mercado considerando dos componentes: los datos de la criptomoneda y las interacciones en redes sociales (tweets). El modelo obtuvo un Error Porcentual Absoluto Medio de 34.92%, lo que indica la necesidad de nuevas técnicas de procesamiento del lenguaje natural (NLP) para mejorar la predicción.