Análise e Previsão dos Mercados de Criptomoedas Usando Modelos de Aprendizado Profundo Baseados em Bayes e LSTM

O rápido aumento dos preços das criptomoedas intensificou a necessidade de modelos de previsão robustos que possam capturar os padrões irregulares e voláteis. Este estudo tem como objetivo prever os preços do Bitcoin ao longo de um horizonte de 15 dias ao avaliar e comparar duas abordagens de modelagem preditiva distintas: o modelo Bayesiano de Espaço de Estados e redes neurais Long Short-Term Memory (LSTM). Dados históricos de preços de janeiro de 2024 a abril de 2025 foram utilizados para treinamento e teste do modelo. O modelo Bayesiano forneceu insights probabilísticos, alcançando um Erro Quadrático Médio (MSE) de 0.0000 e um Erro Absoluto Médio (MAE) de 0.0026 para os dados de treinamento. Para os dados de teste, forneceu 0.0013 para MSE e 0.0307 para MAE. Por outro lado, o modelo LSTM forneceu dependências temporais e teve um desempenho forte, alcançando 0.0004 para MSE, 0.0160 para MAE, 0.0212 para RMSE, 0.9924 para R2 em relação aos dados de treinamento e, para os dados de teste, 0.0007 para MSE com um R2 de 0.3505. Com base nos resultados, indica-se que, enquanto o modelo LSTM se destaca no desempenho de treinamento, o modelo Bayesiano proporciona uma melhor interpretabilidade com margens de erro mais baixas nos testes, destacando as compensações entre precisão do modelo e previsão probabilística nos mercados de criptomoedas.