Um modelo de previsão de volatilidade para o Bitcoin utilizando dados on-chain e seleção de variáveis (2025)
- Authors:
- Autor USP: PAPI, FERNANDO GOMES - EP
- Unidade: EP
- Subjects: ENGENHARIA FINANCEIRA; APRENDIZADO COMPUTACIONAL
- Language: Português
- Abstract: Este trabalho apresenta um modelo de previsão de volatilidade para o Bitcoin utilizando dados on-chain e técnicas de seleção de variáveis, com foco na aplicação de métodos de aprendizado de máquina, especificamente o XGBoost, para prever a variância realizada (RV) deste ativo. O estudo investiga a viabilidade de utilizar dados de mercado, dados on-chain do Bitcoin (BTC) e do Dólar Tether (USDT) como regressores externos para prever a volatilidade futura. O objetivo principal é comparar o desempenho do XGBoost com o modelo HAR (Heterogeneous Autoregressive Model), amplamente utilizado na literatura de previsão de volatilidade, e avaliar se a incorporação de dados on-chain traz ganhos preditivos significativos. A metodologia adotada envolve a seleção rigorosa de variáveis utilizando quatro abordagens complementares: Mean Decrease Impurity (MDI), Mean Decrease Accuracy (MDA), SHapley Additive exPlanations (SHAP) e Mutual Information (MI). Essas técnicas permitiram identificar as variáveis mais relevantes para a previsão da volatilidade, descartando ruídos e redundâncias. O conjunto de dados inclui informações de negociação do par BTC/USDT na corretora Binance, além de dados on-chain do Bitcoin e do USDT, coletados entre 2020 e 2024. Os resultados mostram que o XGBoost superou o HAR em todas as métricas avaliadas, com destaque para o Skill Score de 0.968 na previsão de volatilidade para 60 dias, indicando uma redução de 93,8% no erro quadrático médio (MSE) em relação ao HAR. Além disso, o modelo com retreino diário demonstrou maior adaptabilidade a mudanças recentes na dinâmica de volatilidade, reduzindo o erro absoluto médio (MAE) em 16,7% e o erro percentual absoluto médio (MAPE) em 31 pontos percentuais em comparação ao HAR. A análise SHAP revelou que variáveis da rede USDTresponderam por 73% da importância global do modelo, destacando o papel do USDT como um canal de transmissão de volatilidade entre ativos. Isso valida a hipótese de que stablecoins, como o USDT, desempenham um papel crucial na dinâmica de volatilidade do Bitcoin. O estudo conclui que a integração de aprendizado de máquina adaptativo, seleção rigorosa de variáveis e dados on-chain de stablecoins oferece um paradigma promissor para a modelagem de risco em ativos descentralizados. Além disso, sugere direções futuras de pesquisa, como a extensão do modelo para outras stablecoins algorítmicas e redes DeFi, a incorporação de variáveis macroeconômicas e o uso de novas arquiteturas de redes neurais para melhorar a previsão de volatilidade em mercados cripto.
- Imprenta:
-
ABNT
PAPI, Fernando Gomes. Um modelo de previsão de volatilidade para o Bitcoin utilizando dados on-chain e seleção de variáveis. 2025. Trabalho de Conclusão de Curso (MBA) – 2025, São Paulo, 2025. Disponível em: https://bdta.abcd.usp.br/directbitstream/702e99ec-3909-4d9e-8f11-c1bfc7079b48/Fernando_Gomes_Papi.pdf. Acesso em: 22 jan. 2026. -
APA
Papi, F. G. (2025). Um modelo de previsão de volatilidade para o Bitcoin utilizando dados on-chain e seleção de variáveis (Trabalho de Conclusão de Curso (MBA). 2025, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/702e99ec-3909-4d9e-8f11-c1bfc7079b48/Fernando_Gomes_Papi.pdf -
NLM
Papi FG. Um modelo de previsão de volatilidade para o Bitcoin utilizando dados on-chain e seleção de variáveis [Internet]. 2025 ;[citado 2026 jan. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/702e99ec-3909-4d9e-8f11-c1bfc7079b48/Fernando_Gomes_Papi.pdf -
Vancouver
Papi FG. Um modelo de previsão de volatilidade para o Bitcoin utilizando dados on-chain e seleção de variáveis [Internet]. 2025 ;[citado 2026 jan. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/702e99ec-3909-4d9e-8f11-c1bfc7079b48/Fernando_Gomes_Papi.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Fernando_Gomes_Papi.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
