Publication:
Exploración del impacto de los sentimientos en Twitter sobre el precio del bitcoin mediante procesamiento de lenguaje natural, modelos de regresión y aprendizaje automático

Thumbnail Image
Files

Files

Torres, Valentina-2025.pdf (1.52 MB)
 Anexo.pdf (2.65 MB)
 Autorización.pdf (183.67 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Valero Amado, Lady Catalina
Torres Rubio, Valentina
Abstract (Spanish)
El presente proyecto tiene como objetivo principal desarrollar un modelo predictivo para estimar el precio del bitcoin utilizando como insumo principal el análisis de sentimientos de Twitter y la aplicación de técnicas de machine learning. Se recolectaron y procesaron más de 16 millones de tweets (2016–2019) con técnicas de procesamiento de lenguaje natural, específicamente con el modelo twitter-roberta-base-sentiment. Esta información fue integrada con precios históricos del bitcoin extraídos de Binance, y se construyeron variables exógenas como medias móviles y conteos diarios de sentimientos, que fueron incluidas en tres modelos predictivos: regresión lineal, Support Vector Regressor (SVR) y Random Forest.
Abstract (English)
The main objective of this project is to develop a predictive model to estimate the price of bitcoin using Twitter sentiment analysis and machine learning techniques as the main input. More than 16 million tweets (2016–2019) were collected and processed using natural language processing techniques, specifically with the twitter-roberta-base-sentiment model. This information was integrated with historical bitcoin prices extracted from Binance, and exogenous variables such as moving averages and daily sentiment counts were constructed and included in three predictive models: linear regression, Support Vector Regressor (SVR), and Random Forest.
Director

Advisors/Directors

Otero Martínez, Guillermo Andrés
Extent
71 páginas
Rights

El uso de este documento implica la obligación de reconocer la autoría de las autoras y citar la fuente conforme a las normas de publicación académica.

URI: https://repositorio.escuelaing.edu.co/handle/001/3715
Collections

Collections

GE - Trabajos de Grado Maestría en Ciencia de Datos
References

Díaz, C., Mayorga, R., Amaya, A., & Salazar, R. (2022). La importancia de las criptomonedas y su impacto en los mercados fi nancieros internacionales a partir de la evolución del bitcoin. Realidad Empresarial, 10-25.

Alperin, J., Gomez, C., & Haustein, S. (2019). Identifying diffusion patterns of research articles on Twitter: A case study of online engagement with open access articles. Public Understanding of Science, 2 -18.

Ardia, D., & Bluteau, K. (2023). The Role of Twitter in Cryptocurrency Pump-and-Dumps. Universit´e de Sherbrooke, 2-33.

Bartolome, A., Martín, S., & Atañes, R. (2025). Análisis de la inversión en criptomonedas con metodología de análisis de sentimiento: una revolución digital al descubierto.

Bollen, J., Mao, H., & Zeng, X.-J. (2011). Twitter mood predicts the stock market. Journal of Computational Science, 1-8. doi:https://doi.org/10.1016/j.jocs.2010.12.007

Box, G. E., Jenkins, G. M., & Reinsel, G. C. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley

Chen, B. (31 de January de 2023). Emojis Aid Social Media Sentiment Analysis: Stop Cleaning Them Out! Obtenido de Towards Data Science: https://towardsdatascience.com/emojisaid-social-media-sentiment-analysis-stop-cleaning-them-out-bb32a1e5fc8e

Christiano, P., Leike, J., Brown, T., Martic, M., Legg, S., & Amodei, D. (2017). Deep Reinforcement Learning from Human Preferences. Advances in Neural Information Processing Systems, volumen 30, (págs. 1-17).

Costin , A., Diaconita, V., & Vasilica, S. (2023). Bitcoin volatility in bull vs. bear marketinsights from analyzing on-chain metrics and Twitter posts. PeerJ Computer Science, 1-31.

Delgadillo, J., Kinyua, J., & Mutigwe, C. (2024). FinSoSent: Advancing Financial Market Sentiment Analysis through Pretrained Large Language Models. Big Data and Cognitive Computing, 8(87). doi:https://doi.org/10.3390/bdcc8080087

Díaz Pérez, M. T., Toro Martínez, B. S., & Álvarez Agudelo, A. K. (2019). Bitcoin como bien intangible en Estados Unidos. Medellín: Institución Unversitaria Esumer. Obtenido de chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://repositorio.esumer.edu.co/server/api/core/bitstreams/9560c033-51b7-4106-ba07-6c4e78ad6ad3/content

Enders, W. (2014). Applied econometric time series (4th ed.). Wiley.

Fernando, J. (6 de Agosto de 2024). Moving Average (MA): Purpose, Uses, Formula, and Examples. Obtenido de Investopedia: https://www.investopedia.com/terms/m/movingaverage.asp

García Cantos, J. F. (2025). Evaluación automática de modelos de lenguaje mediante validación cruzada con LLMs. Obtenido de https://e-spacio.uned.es/entities/publication/3db9ab19-e25d-4a1f-9677-b2f2219f0984/full

Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow(2nd ed.). O'Reilly Media.

HuggingFace. (2025). Obtenido de cardiffnlp/twitter-roberta-base-sentiment: https://huggingface.co/cardiffnlp/twitter-roberta-base-sentiment

Katsiampa, P. (2017). Volatility estimation for Bitcoin: A comparison of GARCH models. Economics Letters, 158, 3-6.

Khyani, D., BS , S., NM, N., & B M, D. (2020). An Interpretation of Lemmatization and Stemming in Natural Language Processing . Journal of University of Shanghai for Science and Technology, 350 -357

Lewis, D. (26 de agosto de 2022). What is a Good Engagement Rate on Twitter? Scrunch. Obtenido de Scrunch: https://scrunch.com/blog/what-is-a-good-engagement-rate-ontwitter

López, C. E. (2023). Estudio Informativo de los Mercados de Donaciones Cripto a Nivel Global. Universidad Europea Madrid , 1-87.

Marketing Zone Icesi. (17 de Marzo de 2023). Marketing Zone | Universidad ICESI. Obtenido de Marketing Zone | Universidad ICESI: https://www.icesi.edu.co/marketingzone/estaes-la-historia-de-twitter-la-app-que-revoluciono-la-comunicacion-en-140- caracteres/?utm_source=chatgpt.com

Montgomery, D. C., Peck, E. A., & Vining, G. G. (2021). Introduction to Linear Regression Analysis (6th ed.). Wiley.

Mulla, S., Ghorpade, V., Mulani, J., & Mulla, T. (2025). Exploring the Variations Among ARIMA Models for Time Series Forecasting of Data Breaches. Data Intelligence, 7(1), 40 69. doi:https://doi.org/10.3724/2096-7004.di.2024.0070

Padilla Méndez, L., Peréz Uribe, R., Castro Beltrán, Á., Serrato Lopez, D., & Navarrete Candamil, K. (2018). Las Criptomonedas y su Impacto en la Economía Colombiana. Universidad EAN , 1-36.

Qi, Z., Feng, Y., Wang, S., & Li, C. (2025). Enhancing hydropower generation Predictions: A comprehensive study of XGBoost and Support Vector Regression models with advanced optimization techniques. Ain Shams Engineering Journal, 16(1). doi:https://doi.org/10.1016/j.asej.2024.103206

Rasmussen, C. E., & Williams, C. K. (2006). Gaussian processes for machine learning. MIT Press.

Robert, D. H., Burstein, F., Urquhart, D., & Cicuttini, F. (2021). Investigating Individuals' Perceptions Regarding the Context Around the Low Back Pain Experience: Topic Modeling Analysis of Twitter Data. doi:10.2196/26093

Salaberry, N. (2020). Análisis de contenido en Twitter y el aislamiento social obligatorio. 7(1), 1-15. Obtenido de https://www.economicas.uba.ar/wpcontent/uploads/2016/04/Salaberry-Natalia.pdf

Saura, J., Reyes, A., & Palos, P. (2018). Un Análisis de Sentimiento en Twitter con Machine Learning: Identificando el sentimiento sobre las ofertas de #BlackFriday. Revista Espacios, 39(42), 16. Obtenido de https://www.revistaespacios.com/a18v39n42/18394216.html

Tweepy.org. (2024). Tweepy. Obtenido de Tweepy: https://www.tweepy.org/

Vora, G. (2015). Cryptocurrencies: Are Disruptive Financial Innovations Here? Scientific Research Publishing Inc, 816-832.

Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (6th ed.). Cengage Learning.

Yuliansyah, H., Mulasari, S. A., Sulistyawati, S., Ghozali, F. A., & Sudarsono, B. (2024). Sentiment Analysis of the Waste Problem based on YouTube comments using VADER and Deep Translator. 8(1), 663-673. Obtenido de https://pdfs.semanticscholar.org/6e4f/247402d66a7176851aa9cbeb0b431a9b41dc.pdf

Zhang, G. P. (2003). Time series forecasting using a hybrid ARIMA and neural network model. Neurocomputing, 50, 159-175.

Zhang, W., & Skiena, S. (2010). Trading Strategies to Exploit Blog and News Sentiment. Proceedings of the International AAAI Conference on Web and Social Media, 4(1), 375-378. doi:https://doi.org/10.1609/icwsm.v4i1.14075.