SISTEMA DE ANÁLISE DE CRIPTOMOEDAS EM TEMPO REAL PARA APOIO À DECISÃO DE INVESTIDORES
Resumo
O crescimento exponencial do mercado de criptomoedas nas últimas décadas trouxe desafios significativos para investidores iniciantes, que frequentemente se deparam com ferramentas de análise complexas e pouco acessíveis. Este trabalho apresenta o desenvolvimento e a implementação de um sistema computacional para análise de criptomoedas em tempo real, denominado SS Innova Crypto Analyzer, com o objetivo de apoiar a interpretação de informações técnicas no mercado cripto e contribuir para sua maior acessibilidade a investidores de varejo. O sistema integra quatro indicadores técnicos — Índice de Força Relativa (RSI), Média Móvel Exponencial (EMA), Convergência/Divergência de Médias Móveis (MACD) e níveis de retração de Fibonacci — em uma arquitetura de análise multi-temporal que avalia cinco horizontes temporais simultaneamente. Em avaliação preliminar por backtesting com quatro pares de criptomoedas ao longo de 2024, a abordagem multi-temporal elevou a acurácia média dos sinais direcionais de 58,4% para 64,2%, com redução de 11,8 pontos percentuais na taxa de falsos positivos. A abordagem gera pontuações de confiança normalizadas e recomendações em linguagem natural, com o propósito de facilitar a interpretação da informação técnica por investidores de varejo sem formação especializada.
Biografia do Autor
Bacharel em Física pelo Instituto de Física da UFRJ, Mestre e Doutorando em Engenharia da Nanotecnologia pela COPPE/UFRJ. Atua na interface entre inteligência artificial, nanotecnologia e tecnologias aplicadas à pesquisa, com interesse no desenvolvimento de soluções inovadoras baseadas em modelagem computacional, análise de dados e automação. Sua trajetória reúne experiências em contextos multidisciplinares, envolvendo desde a investigação científica até a aplicação prática de métodos tecnológicos para otimização de processos e suporte à tomada de decisão.
Bacharel em Ciências Matemáticas e da Terra pelo CCMN/UFRJ e Mestranda em Engenharia da Nanotecnologia pela COPPE/UFRJ. Desenvolve atividades nas áreas de Sistemas de Informação Geográfica (SIG) e nanotecnologia, com atuação voltada à integração entre análise espacial, tecnologia e pesquisa aplicada. Seu trabalho envolve o uso de ferramentas de geoprocessamento, organização e interpretação de dados, bem como o interesse por soluções inovadoras em contextos multidisciplinares.
Referências
[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
Licença
Copyright (c) 2026 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
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.