Cardano cryptocurrency price from Twitter. A prediction algorithm from machine learning

Abstract

Cryptocurrencies are a growing market that has attracted the attention of many investors in recent years. While cryptocurrencies offer a secure and decentralized form of payment, this market is highly volatile. Factors influencing price changes include the balance of supply and demand, its utility, trading indicators, and market confidence. The present research aims to predict the price of the Cardano cryptocurrency by using machine learning techniques, specifically SVM, LSTM and BiLSTM models. In addition to accounting for financial indices, Twitter activity was used as a data source to measure market sentiment. The study analyzes various predictive horizons, including time ranges of 1 day, seven days, 14 days, 21 days and 30 days. The results obtained were validated with different performance indicators, and it was determined that the model predicts Cardano prices one month ahead with a MAPE of less than 22%, providing valuable information for investors interested in the volatile Cardano cryptocurrency market.

Cryptomonedas son un mercado creciente que ha atraído la atención de varios inversionistas en los últimos años. Si bien las criptomonedas ofrecen una forma de pago segura y descentralizada, este mercado es muy volátil. Los factores que influyen en los cambios de precios incluyen el equilibrio de la oferta y la demanda, su utilidad, los indicadores de trading y la confianza del mercado. El objetivo de la presente investigación es predecir el precio de la criptomoneda Cardano mediante el uso de técnicas de aprendizaje automático, específicamente modelos de SVM, LSTM y BiLSTM. Además de tomar en cuenta índices financieros, se utilizó como fuente de datos la actividad en Twitter para medir la opinión del mercado. El estudio analiza diversos horizontes predictivos, incluyendo rangos de tiempo de 1 día, 7 días, 14 días, 21 días y 30 días. Los resultados obtenidos fueron validados con distintos indicadores de desempeño y se determinó que el modelo predice precios de Cardano con un mes de anticipación con un MAPE menor al 22% brindando información valiosa para los inversores interesados en el mercado volátil de la criptomoneda Cardano.