SISTEMA DE ANÁLISIS DE CRIPTOMONEDAS EN TIEMPO REAL PARA EL APOYO A LA TOMA DE DECISIONES DE INVERSIONISTAS
Resumen
El crecimiento exponencial del mercado de criptomonedas en las últimas décadas ha planteado desafíos significativos para los inversores principiantes, que frecuentemente se enfrentan a herramientas de análisis complejas y poco accesibles. Este trabajo presenta el desarrollo e implementación de un sistema computacional para el análisis de criptomonedas en tiempo real, denominado SS Innova Crypto Analyzer, con el objetivo de apoyar la interpretación de información técnica en el mercado cripto y contribuir a su mayor accesibilidad para inversores minoristas. El sistema integra cuatro indicadores técnicos — Índice de Fuerza Relativa (RSI), Media Móvil Exponencial (EMA), Convergencia/Divergencia de Medias Móviles (MACD) y niveles de retroceso de Fibonacci — en una arquitectura de análisis multitemporal que evalúa cinco horizontes temporales simultáneamente. En una evaluación preliminar mediante backtesting con cuatro pares de criptomonedas a lo largo de 2024, el enfoque multitemporal aumentó la exactitud media de las señales direccionales del 58,4% al 64,2%, reduciendo la tasa de falsos positivos en 11,8 puntos porcentuales. El enfoque genera puntuaciones de confianza normalizadas y recomendaciones en lenguaje natural, con el propósito de facilitar la interpretación de la información técnica por parte de inversores minoristas sin formación especializada.
Biografía del autor/a
Licenciado en Física por el Instituto de Física de la Universidad Federal de Río de Janeiro (UFRJ). Magíster y doctorando en Ingeniería de Nanotecnología por la COPPE/UFRJ. Actúa en la interfaz entre la inteligencia artificial, la nanotecnología y las tecnologías aplicadas a la investigación, con interés en el desarrollo de soluciones innovadoras basadas en modelado computacional, análisis de datos y automatización. Su trayectoria reúne experiencias en contextos multidisciplinarios, que abarcan desde la investigación científica hasta la aplicación práctica de métodos tecnológicos para la optimización de procesos y el apoyo a la toma de decisiones.
Licenciada en Ciencias Matemáticas y de la Tierra por el CCMN/UFRJ y maestranda en Ingeniería de Nanotecnología por la COPPE/UFRJ. Desarrolla actividades en las áreas de Sistemas de Información Geográfica (SIG) y nanotecnología, con enfoque en la integración entre análisis espacial, tecnología e investigación aplicada. Su trabajo implica el uso de herramientas de geoprocesamiento, organización e interpretación de datos, así como interés en soluciones innovadoras en contextos multidisciplinarios.
Referencias
[1] FANG, F. et al. Cryptocurrency trading: a comprehensive survey. Financial Innovation, v. 8, n. 1, art. 13, 2022. Disponível em: https://doi.org/10.1186/s40854-021-00321-6 Acesso em: abr. 2026 DOI: https://doi.org/10.1186/s40854-021-00321-6 DOI: https://doi.org/10.1186/s40854-021-00321-6
[2] ALMEIDA, J.; GONÇALVES, T. C. A systematic literature review of investor behavior in the cryptocurrency markets. Journal of Behavioral and Experimental Finance, v. 37, p. 100785, 2023. Disponível em: https://doi.org/10.1016/j.jbef.2022.100785 Acesso em: abr. 2026 DOI: https://doi.org/10.1016/j.jbef.2022.100785 DOI: https://doi.org/10.1016/j.jbef.2022.100785
[3] HAYASHI, Fumiko; ROUTH, Aditi. Financial literacy, risk tolerance, and cryptocurrency ownership in the United States. Kansas City: Federal Reserve Bank of Kansas City, 2024. Research Working Paper, RWP 24-03. Disponível em: https://doi.org/10.18651/RWP2024-03 Acesso em: abr. 2026 DOI: https://doi.org/10.18651/RWP2024-03 DOI: https://doi.org/10.18651/RWP2024-03
[4] GROBYS, K.; AHMED, S.; SAPKOTA, N. Technical trading rules in the cryptocurrency market. Finance Research Letters, v. 32, p. 101396, 2020. Disponível em: https://doi.org/10.1016/j.frl.2019.101396 Acesso em: abr. 2026 DOI: https://doi.org/10.1016/j.frl.2019.101396 DOI: https://doi.org/10.1016/j.frl.2019.101396
[5] GAZIZOVA, Diana; AGCAOILI, Katrina. Technical analysis in the cryptocurrency market. Majal - Carnegie Mellon University Library Publishing Service, v. 1, 2022. Disponível em: https://majal.lps.library.cmu.edu/article/id/554/ Acesso em: abr. 2026 DOI: https://doi.org/10.48762/2022.554
[6] NAKAMOTO, Satoshi. Bitcoin: a peer-to-peer electronic cash system. 2008. Disponível em: https://bitcoin.org/en/bitcoin-paper Acesso em: abr. 2026.
[7] NARAYANAN, Arvind et al. Bitcoin and cryptocurrency technologies: a comprehensive introduction. Princeton: Princeton University Press, 2016. Disponível em: https://press.princeton.edu/books/hardcover/9780691171692/bitcoin-and-cryptocurrency-technologies Acesso em: abr. 2026.
[8] ANTONOPOULOS, Andreas M. Mastering Bitcoin: programming the open blockchain. 2. ed. Sebastopol: O’Reilly Media, 2017. Disponível em: https://www.oreilly.com/library/view/mastering-bitcoin-2nd/9781491954379/ Acesso em: abr. 2026.
[9] MEREDIZ-SOLÀ, I.; BARIVIERA, A. F. A bibliometric analysis of bitcoin scientific production. Research in International Business and Finance, v. 50, p. 294-305, 2019. Disponível em: https://doi.org/10.1016/j.ribaf.2019.06.008 Acesso em: abr. 2026 DOI: https://doi.org/10.1016/j.ribaf.2019.06.008 DOI: https://doi.org/10.1016/j.ribaf.2019.06.008
[10] ANAS, M.; SHAHZAD, S. J. H.; YAROVAYA, L. The use of high-frequency data in cryptocurrency research: a meta-review with bibliometric analysis. Financial Innovation, v. 10, art. 4, 2024. Disponível em: https://doi.org/10.1186/s40854-023-00595-y Acesso em: abr. 2026 DOI: https://doi.org/10.1186/s40854-023-00595-y DOI: https://doi.org/10.1186/s40854-023-00595-y
[11] SVOGUN, D.; BAZÁN-PALOMINO, W. Technical analysis in cryptocurrency markets: do transaction costs and bubbles matter? Journal of International Financial Markets, Institutions and Money, v. 79, p. 101601, 2022. Disponível em: https://doi.org/10.1016/j.intfin.2022.101601 Acesso em: abr. 2026 DOI: https://doi.org/10.1016/j.intfin.2022.101601 DOI: https://doi.org/10.1016/j.intfin.2022.101601
[12] BARRADAS, A.; TEJEDA-GIL, A.; CANTÓN CRODA, R. M. Real-time big data architecture for processing cryptocurrency and social media data: a clustering approach based on k-means. Algorithms, v. 15, n. 5, p. 140, 2022. Disponível em: https://doi.org/10.3390/a15050140 Acesso em: abr. 2026 DOI: https://doi.org/10.3390/a15050140 DOI: https://doi.org/10.3390/a15050140
[13] BANDI, A. Data streaming architecture for visualizing cryptocurrency temporal data. In: Computer Networks, Big Data and IoT. Singapura: Springer, 2021. p. 611-622. Disponível em: https://doi.org/10.1007/978-981-16-0965-7_50 Acesso em: abr. 2026 DOI: https://doi.org/10.1007/978-981-16-0965-7_50 DOI: https://doi.org/10.1007/978-981-16-0965-7_50
[14] HORVAT, Nebojsa et al. Big data architecture for cryptocurrency real-time data processing. In: INTERNATIONAL CONFERENCE ON INFORMATION SOCIETY AND TECHNOLOGY (ICIST 2020), 2020, Belgrado. Anais [...]. Belgrado: Information Society of Serbia, 2020. p. 150-155. Disponível em: https://www.eventiotic.com/eventiotic/library/paper/604 Acesso em: abr. 2026.
[15] VO, A.; YOST-BREMM, C. A high-frequency algorithmic trading strategy for cryptocurrency. Journal of Computer Information Systems, v. 60, n. 6, p. 555-568, 2020. Disponível em: https://doi.org/10.1080/08874417.2018.1552090 Acesso em: abr. 2026 DOI: https://doi.org/10.1080/08874417.2018.1552090 DOI: https://doi.org/10.1080/08874417.2018.1552090
[16] ZATWARNICKI, M.; ZATWARNICKI, K.; STOLARSKI, P. Effectiveness of the relative strength index signals in timing the cryptocurrency market. Sensors, v. 23, n. 3, p. 1664, 2023. Disponível em: https://doi.org/10.3390/s23031664 Acesso em: abr. 2026 DOI: https://doi.org/10.3390/s23031664 DOI: https://doi.org/10.3390/s23031664
[17] KRAAIJEVELD, O.; DE SMEDT, J. The predictive power of public Twitter sentiment for forecasting cryptocurrency prices. Journal of International Financial Markets, Institutions and Money, v. 65, p. 101188, 2020. Disponível em: https://doi.org/10.1016/j.intfin.2020.101188 Acesso em: abr. 2026 DOI: https://doi.org/10.1016/j.intfin.2020.101188 DOI: https://doi.org/10.1016/j.intfin.2020.101188
[18] ABRAHAM, J. et al. Cryptocurrency price prediction using tweet volumes and sentiment analysis. SMU Data Science Review, v. 1, n. 3, art. 1, 2018. Disponível em: https://scholar.smu.edu/datasciencereview/vol1/iss3/1 Acesso em: abr. 2026.
[19] SMUTS, N. What drives cryptocurrency prices? An investigation of Google Trends and Telegram sentiment. ACM SIGMETRICS Performance Evaluation Review, v. 46, n. 3, p. 131-134, 2019. Disponível em: https://doi.org/10.1145/3308897.3308955 Acesso em: abr. 2026 DOI: https://doi.org/10.1145/3308897.3308955 DOI: https://doi.org/10.1145/3308897.3308955
[20] BHARADWAJ, M. V. et al. Review of sentiment analysis in cryptocurrency trading. International Research Journal on Advanced Engineering Hub (IRJAEH), v. 3, n. 6, p. 2738-2746, 2025. Disponível em: https://doi.org/10.47392/IRJAEH.2025.0406 Acesso em: maio 2026 DOI: https://doi.org/10.47392/IRJAEH.2025.0406 DOI: https://doi.org/10.47392/IRJAEH.2025.0406
[21] LONG, C.; GAO, W.; ZENG, G. Analysis of factors affecting cryptocurrency. Open Journal of Business and Management, v. 13, n. 5, p. 3697-3715, 2025. Disponível em: https://doi.org/10.4236/ojbm.2025.135199 Acesso em: maio 2026 DOI: https://doi.org/10.4236/ojbm.2025.135199 DOI: https://doi.org/10.4236/ojbm.2025.135199
[22] DIMODUGNO, M.; MAMMADOV, M. AICrypto-Assistant: a multi-agent LLM platform for democratizing crypto-asset analysis. SETSCI Conference Proceedings, v. 24, p. 17-22, 2025. Disponível em: https://doi.org/10.36287/setsci.24.2.017 Acesso em: maio 2026 DOI: https://doi.org/10.36287/setsci.24.2.017 DOI: https://doi.org/10.36287/setsci.24.2.017
[23] YUMNA, H. F.; TAUFIQ, M.; UTAMI, A. F. Technical analysis for buy or sell decisions in cryptocurrency (Bitcoin). Jurnal Ekonomi Bisnis Manajemen Akuntansi (JEBISMA), v. 2, n. 2, 2024. Disponível em: https://ejournal.media-edutama.org/index.php/jebisma/article/view/68 Acesso em: maio 2026 DOI: https://doi.org/10.70197/jebisma.v2i2.68 DOI: https://doi.org/10.70197/jebisma.v2i2.68
Licencia
Derechos de autor 2026 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.