crypto_pred

Previsão do Preço de Fechamento de Criptomoeda

Este projeto tem como objetivo analisar, modelar e prever preços de criptomoedas usando técnicas de machine learning, estatística e testes de hipótese. Ele foi desenvolvido como trabalho final da disciplina de Inteligência Artificial Aplicada.

---

📁 Estrutura de Pastas

crypto_pred/
├── data/ # Arquivos CSV das criptomoedas
├── figuras/ # Gráficos e imagens geradas
├── estatisticas/ # Resultados salvos
├── src/ # Códigos-fonte modulares
│ ├── data_load.py # Funções para carregar e validar os dados das criptomoedas
│ ├── features.py # Feature engineering para alimentar os modelos preditivos
│ ├── models.py # Implementação e treinamento dos modelos de regressão
│ ├── evaluation.py # Avaliação e comparação entre modelos com métricas e gráficos
│ └── utils.py # Funções utilitárias para estatísticas, gráficos, testes de hipótese e ANOVA
├── tests/ # Testes unitários (pytest)
│ ├── test_data_load.py
│ ├── test_features.py
│ └── test_models.py
├── main.py # Script principal
├── notebook.ipynb # Análises exploratórias (EDA e testes)
├── requirements.txt # Dependências do projeto
└── README.md # Este arquivo

Como Executar

1. Clone o projeto (ou baixe os arquivos)

git clone https://github.com/rpa1tera/crypto_pred.git

2. Crie um ambiente virtual

python -m venv venv
source venv/bin/activate    # Linux/macOS
venv\Scripts\activate       # Windows

3. Instale as dependências

pip install -r requirements.txt

4. Treinar modelo e validar

A criptomoeda Ethereum (ETH) foi escolhida para conduzir as análises e testes principais do projeto por diversos motivos estratégicos e técnicos: relevância no mercado, volatilidade moderada, comportamento estável e possui histórico de dados.

python main.py --crypto Bitstamp_ETHUSD_d.csv --model linear

ou

python main.py --crypto Bitstamp_ETHUSD_d.csv --model mpl

ou

python main.py --crypto Bitstamp_ETHUSD_d.csv --model poly

5. Comparar todos os modelos

python main.py --crypto Bitstamp_ETHUSD_d.csv --model all

6. Teste de hipótese de retorno médio

python main.py --testar-retorno --retorno-minimo 0.05

7. Análise de variância (ANOVA)

python main.py --anova

8. Testes Automatizados

Para rodar os testes unitários:

pytest --cov=src --cov-report=term-missing tests/

9. Resultados Gerados

• figures/: gráficos comparativos, boxplots, dispersão.
• estatisticas_resumo.csv: resumo estatístico descritivo das cotações históricas das 10 criptomoedas analisadas.
• estatisticas_modelos_ETHUSD.csv: métricas quantitativas dos três modelos treinados (MLP, Regressão Linear e Regressão Polinomial) especificamente sobre a criptomoeda Ethereum (ETH).
• teste_hipotese_retorno.csv: resultado dos testes de hipótese para cada criptomoeda.
• anova_entre_criptos.csv e anova_por_grupo_volatilidade.csv: resultados da ANOVA simples e agrupada.

10. Modelos Implementados

• MLPRegressor
• Regressão Linear
• Regressão Polinomial (com Ridge)

11. Autor(a)

Desenvolvido por Raquel Pereira de Alcântara como parte do trabalho final do primeiro módulo da Pós em IA Aplicada – Instituto Federal de Goiás (IFG).