Application of explainable AI in Machine Learning models to identify the main determinants of Bitcoin price

Resumo

Desde 2019 que o Bitcoin se tornou um dos ativos mais conhecidos no mundo. Estacriptomoeda descentralizada é tipicamente caracterizada pela elevada volatilidade e, nesse sentido, provoca algumas preocupações, sobretudo às entidades reguladoras e a outros decisores, como governos e legisladores.Além disso, há múltiplas abordagens e resultados na literatura relativamente aos fatores mais relevantes para prever o preço do Bitcoin; à complexidade do modelo de Machine Learning (ML) usado; e ao trade-off entre o nível de interpretação e o desempenho do modelo.Como ponto de partida, o modelo simples designado de Generalized Least Squares with Autocorrelation covariance structure (GLS) revelou-se irrealista para prever algo complexocomo o preço do Bitcoin. Alternativamente, dois modelos black box foram testados: uma rede neural Long Short Term Memory (LSTM) e uma simples Deep Neural Network (DNN). O LSTM atingiu o melhor 𝑅2score de 81,63% e o DNN obteve um 𝑅2score de 81,27%Técnicas de explicabilidade foram aplicadas no DNN e os resultados indicaram que 71% das vinte e uma variáveis mais importantes são relacionadas com as transações, embora possam ser feitas futuras análises para acontecimentos pontuais. Moreover, the three most important features are the S&P500, the Bitcoin price in the previous day and how difficult it is to mine a Bitcoin block. Além disso, as três variáveis mais significativas são S&P500, o preço do Bitcoin no dia anterior e a dificuldade em extrair Bitcoins e hash rate.

Data do prémio	27 jan. 2023
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Ana Guedes (Supervisor)