FGV revela vencedores do Datathon de Moedas Digitais; conheça os projetos

Evento teve um recorde de 18 equipes inscritas, oriundas de departamentos como engenharia, economia, estatística e ciência da computação
Simulação de holografias saindo de um livro físico com tema criptomoedas blockchain metaverso

Foto: Shutterstock

Foram anunciados os vencedores da edição 2023 do Datathon de Moedas Digitais da FGV, organizado pela Escola de Economia de São Paulo (FGV EESP). O evento teve um recorde de 18 equipes inscritas (71 estudantes de graduação), oriundas de diversos cantos do Brasil e departamentos (Engenharias, Economia, Estatística e Ciência da Computação).

Pela primeira vez, todas as grandes regiões do Brasil estiveram representadas com pelo menos uma equipe – participaram do desafio alunos de graduação vinculados a instituições de ensino do Amazonas, Ceará, Minas Gerais, Rio de Janeiro, São Paulo, Rio Grande do Sul e Mato Grosso.

Publicidade

“Além do aprendizado hands-on e de forma lúdica, o evento aproxima jovens estudantes de profissionais do mercado (academia e indústria), que dão feedbacks e comentários. Por isso, o evento tem um caráter educacional e de formação de recursos humanos único”, afirma Jéfferson A. Colombo, professor da FGV EESP, um dos juradores e organizadores do evento.

Na abertura, alunos e egressos de Mestrado e Doutorado da FGV EESP apresentaram suas pesquisas em andamento no University Blockchain Research Initiative. Foram definidas as regras do jogo e disponibilizadas algumas bases de dados para uso das equipes.

Dias depois, os participantes entregaram seus problemas e soluções. A banca examinadora foi composta por representantes da academia e do mercado: Abner Pinto, Ripple; Alexandre Ludolf, QR Capital; Eduardo Alexandre Marques Silva, B3 Digitas; Gladstone Arantes Jr., BNDES; Jéfferson Colombo, FGV EESP; João Marco Braga da Cunha, Hashdex; Layla Mendes, FGV EPGE; Marcelo Fernandes, FGV EESP; Paulo David, AmFi; Pedro Chaim, UFSC.

O grupo elegeu cinco trabalhos para a fase final.

No dia 1º de dezembro, os finalistas Better Than Gold (UFMG), Call Group (UFMG + UNICAMP + USP), Crypto Girls (UFRGS), HAS (USP), e Sentic Crypto (USP) apresentaram seus trabalhos, e a banca esclareceu dúvidas e deu feedback.

Publicidade

Na segunda-feira, dia 4 de dezembro, foram anunciados os três primeiros colocados, que levarão certificados emitidos pela FGV e registrados em blockchain, prêmio em dinheiro, e potencial participação nos cursos Blockchain e Criptofinanças da Ênfase de FinTech do Mestrado Profissional em Economia e Finanças da FGV EESP (MPE).

Os estudantes vencedores (1º, 2º e 3º lugares) apresentarão seu tema e soluções propostas em webinar que será realizado na quinta-feira (7), às 18 horas, no canal do YouTube da FGV.

Mais informações são disponibilizadas no site do evento.

1º lugar: o SenticCrypto (USP)

Título: Previsibilidade do Prêmio pelo Risco de Criptomoedas com Indicadores Técnicos: Uma Abordagem em Níveis de Sentimento de Mercado

Autores: Guilherme Freitas (Estatística), Gustavo Yamachi (Administração) e Matias Lima (Economia).

A equipe objetivou avaliar a previsibilidade do prêmio de risco de criptomoedas com o uso de indicadores técnicos. Além disso, a equipe buscou relacionar essa previsibilidade com os níveis de sentimento de mercado, usando tanto um índice tradicional (Fear and Greed Index) quanto propondo um novo índice, chamado de SenticCrypto – uma junção, por meio de Análise de Componentes Principais (PCA), entre o Fear and Greed Index e um índice baseado na interpretação de notícias do mercado de criptoativos.

Os resultados das análises, dentro e fora da amostra, indicaram que o uso de indicadores técnicos (médias móveis, volume e momentum) melhoram a previsibilidade do prêmio de risco do mercado de criptomoedas, principalmente em períodos de otimismo e neutralidade de sentimento de mercado. Além disso, o índice proposto (SenticCrypto) se mostrou superior ao Fear & Greed Index na categorização dos níveis de sentimento de mercado.

Publicidade

Como implicações, o trabalho sugere que o monitoramento do sentimento do mercado de criptoativos e o uso de indicadores técnicos são aspectos centrais da previsibilidade do prêmio de risco do mercado de criptomoedas.

Autores: Guilherme Freitas (Estatística), Gustavo Yamachi (Administração) e Matias Lima (Economia).

2º lugar: HAS (USP – Engenharia da Computação)

Título: “Crypto, Transformers e Baleias: uma análise inovadora dos movimentos de baleias em criptomoedas”

Autores: Heitor Gama, Asaffe Duarte e Solano Omar (todos do curso de Engenharia da Computação).

Os autores usaram um método sofisticado de aprendizado de máquina (transformers) para prever os movimentos de baleias – endereços de carteiras que mantém uma quantidade substancial de alguma criptomoeda. Usando dados do whale alert (https://whale-alert.io/), eles treinaram diferentes modelos para prever o maior “peixe” da próxima hora, em uma escala de 0 a 8 indicando o tamanho do movimento de baleias.

As aplicações foram feitas ao bitcoin, Dogecoin e LiteCoin. Como resultados gerais, a maior acurácia foi nas aplicações ao LiteCoin, e a menor no bitcoin. Os resultados permitem uma compreensão mais profunda do comportamento de mercado de criptomoedas e capacita investidores a tomarem decisões estratégicas e mais informadas.

3º lugar: Crypto Girls (UFRGS)

Título: “Proposta para Alocação Eficiente de Investimentos em Bitcoin e Ethereum”

Autores: Greice Heemann (Administração), Julia Gomes (Economia), Raíssa Scorsatto (Estatística) e Sofia Casiraghi (UFRGS).

Neste trabalho, as autoras tentam responder qual é a medida de risco que deve ser considerada em um problema de otimização de uma carteira contendo bitcoin e ethereum. Usando log-retornos diários dessas criptomoedas de agosto/2015 a nov/2023 e testando a construção de portfólios minimizando risco considerando dez medidas diferentes (de desvio-padrão até desvio entrópico), as autoras encontraram as medidas que geraram as melhores performances em termos de risco e retorno.

No que se refere ao índice de Sharpe, que leva em conto retorno ajustado ao risco, as estratégias com melhor resultado foram desvio-padrão e EL (Expected loss ou Perda esperada), cuja performance superou também uma carteira “ingênua” construída com pesos iguais (1/N).

Publicidade

Como implicações, o trabalho contribui para a compreensão de como estratégias de gestão de risco podem ser aplicadas especificamente ao contexto das criptomoedas.