EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

ANALISANDO A EFICÁCIA DE ALGORITMOS DE PREVISÃO DO WEKA PARA A PREVISÃO DO COMPORTAMENTO DO BITCOIN

Daniel Pimenta Gonçalves da Fonte, Sandro Carvalho Izidoro, José Donizetti de Lima, Sergio Luiz Pessa Ribas, Matheus Henrique Dal Molin Ribeiro, Érick Oliveira Rogrigues

REVISTA DE ESTUDOS INTERDISCIPLINARES · 21.04.2026 · 8 (2) · 01-25

DOI: 10.56579/rei.v8i2.2629 ↗

Kurz gefasst

Fachartikel in der Zeitschrift REVISTA DE ESTUDOS INTERDISCIPLINARES, online erschienen am 21.04.2026. Verfasst von Daniel Pimenta Gonçalves da Fonte und 5 weiteren Autor:innen. Die Arbeit nennt 33 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Este estudo investigou o desempenho preditivo do software WEKA na previsão de séries temporais do Bitcoin (BTC), comparando seus resultados com aqueles obtidos por meio do R, utilizando dados históricos de maio de 2013 a dezembro de 2024 (4.254 observações). A análise empregou múltiplos algoritmos de aprendizado de máquina avaliados através das medidas MAPE, RMSE e MAE. Os resultados revelaram que, embora o R obteve desempenho superior na maioria dos modelos, especialmente em termos de redução de erro, o WEKA apresentou desempenho competitivo e em alguns casos superior em modelos específicos: M5Rules alcançou MAPE de 2,25% e RMSE de $1.449,49, enquanto SMOreg obteve MAPE de 2,40% e RMSE de $1.450,25 na aba Forecast. Os modelos baseados em regras, M5Rules e M5P, apresentaram desempenho significativamente superior no R, com MAPE de 3,79% e RMSE de $2.112,25, em contraste com os resultados modestos no WEKA, onde apresentaram correlação próxima de zero na aba Classify. O teste KPSS confirmou a não-estacionariedade da série (p-valor = 0,01), e o teste de causalidade de Granger identificou dependência temporal significativa no lag 5 (p-valor = 8,7e-06). Os achados indicam que, embora o WEKA ofereça funcionalidade adequada para modelos específicos em tarefas de previsão sequencial, apresenta instabilidades e limitações na modelagem temporal abrangente, tornando o R uma alternativa mais robusta para aplicações financeiras complexas.

Zitieren

APA

Fonte, D. P. G. D., Izidoro, S. C., Lima, J. D. D., Ribas, S. L. P., Ribeiro, M. H. D. M., & Rogrigues, É. O. (2026). ANALISANDO A EFICÁCIA DE ALGORITMOS DE PREVISÃO DO WEKA PARA A PREVISÃO DO COMPORTAMENTO DO BITCOIN. REVISTA DE ESTUDOS INTERDISCIPLINARES, 8(2), 01-25. https://doi.org/10.56579/rei.v8i2.2629

Vancouver

Fonte DPGD, Izidoro SC, Lima JDD, Ribas SLP, Ribeiro MHDM, Rogrigues ÉO. ANALISANDO A EFICÁCIA DE ALGORITMOS DE PREVISÃO DO WEKA PARA A PREVISÃO DO COMPORTAMENTO DO BITCOIN. REVISTA DE ESTUDOS INTERDISCIPLINARES. 2026;8(2):01-25. doi:10.56579/rei.v8i2.2629

BibTeX
@article{Fonte2026,
  author = {Fonte, Daniel Pimenta Gonçalves da and Izidoro, Sandro Carvalho and Lima, José Donizetti de and Ribas, Sergio Luiz Pessa and Ribeiro, Matheus Henrique Dal Molin and Rogrigues, Érick Oliveira},
  title = {ANALISANDO A EFICÁCIA DE ALGORITMOS DE PREVISÃO DO WEKA PARA A PREVISÃO DO COMPORTAMENTO DO BITCOIN},
  journal = {REVISTA DE ESTUDOS INTERDISCIPLINARES},
  year = {2026},
  volume = {8},
  number = {2},
  pages = {01--25},
  doi = {10.56579/rei.v8i2.2629}
}
Kostenlos starten →