Suporte à Decisão Baseado em Inteligência Artificial nos Mercados de Criptomoedas: Um Modelo de Teoria dos Jogos e Probabilístico

#DeepCreationCamp

Ao longo da última década, os mercados de criptomoedas emergiram como uma das inovações mais disruptivas no mundo financeiro, atraindo atenção não apenas pelo seu potencial de altos retornos, mas também pelos riscos profundos que envolvem. Ao contrário dos ativos financeiros tradicionais, as criptomoedas são altamente influenciadas não só pela dinâmica de oferta e procura, mas também por tendências nas redes sociais, atualizações tecnológicas e notícias regulatórias, devido à sua estrutura descentralizada e negociação 24/7. Isso desafia a validade das teorias econômicas clássicas que assumem participantes de mercado racionais.

Embora a inteligência artificial ofereça novas perspectivas na compreensão do comportamento humano e da dinâmica de mercado, as abordagens existentes muitas vezes limitam-se a modelos de “caixa preta” e carecem de adaptabilidade suficiente a choques de mercado súbitos.

A maioria dos modelos de finanças quantitativas e algoritmos básicos de aprendizagem de máquina assume que padrões históricos se repetirã no futuro. No entanto, os mercados de criptomoedas são caóticos e não estacionários. Dois problemas principais surgem neste contexto:

1. Os algoritmos atuais têm dificuldade em modelar movimentos de mercado “irracionais”.
2. Os modelos de aprendizagem profunda carecem de explicabilidade, dificultando a compreensão humana do raciocínio por trás das decisões de compra/venda.

Essas limitações minam a confiança dos investidores em sistemas baseados em IA e atrasam a adoção tecnológica.

Este artigo contribui ao:

Desenvolver um modelo probabilístico híbrido baseado na teoria da crença de Dempster–Shafer, que avalia a incerteza por meio do peso das evidências, em vez de apenas probabilidade bayesiana.

Propor uma estrutura de simulação que modela a dinâmica de mercado como um jogo de múltiplos agentes, permitindo a resolução criativa de problemas em ambientes interativos.

2. Trabalho Relacionado

A abordagem proposta fundamenta-se em três principais áreas de pesquisa: IA na teoria econômica, simulações baseadas em jogos e raciocínio probabilístico.

2.1 IA e Teoria Econômica

O crescimento da IA influenciou significativamente a teoria econômica. Enquanto modelos tradicionais baseiam-se na suposição do “Homo Economicus” de agentes racionais, abordagens modernas de IA capturam melhor a racionalidade limitada e a assimetria de informações. Conceitos como equilíbrio de oferta e procura, precificação e teoria dos jogos foram aprimorados por técnicas computacionais inspiradas na inteligência natural.

Este estudo constrói sobre essa transformação para interpretar dinâmicas de precificação irracionais nos mercados de criptomoedas.

2.2 Ambientes de Simulação e Teoria dos Jogos

Jogos fornecem ambientes controlados para estudar a tomada de decisão sob incerteza. O comércio de criptomoedas pode ser modelado como um jogo complexo de soma não zero, onde múltiplos agentes competem e interagem.

Embora simulações de jogos sejam amplamente usadas no treinamento de agentes, sua adaptação a simulações de mercados financeiros — especialmente para gerar estratégias criativas — ainda é uma área emergente. Esta pesquisa utiliza ambientes baseados em jogos como campo de testes para melhorar o desempenho dos agentes em simulações de mercado.

2.3 Julgamento Probabilístico e Gestão de Incerteza

Sistemas de IA geralmente dependem da teoria bayesiana ou da teoria das funções de crença para lidar com raciocínio probabilístico. Enquanto a teoria bayesiana atribui probabilidades numéricas precisas, a teoria de Dempster–Shafer enfatiza a força das evidências e a modelagem da incerteza.

Em ambientes de dados ruidosos e incompletos, como os mercados de criptomoedas, as funções de crença oferecem uma estrutura mais flexível para representar o desconhecido. Este estudo adota uma perspetiva não bayesiana para avaliar a confiabilidade dos sinais de mercado.

3. Metodologia e Abordagem

O sistema proposto chama-se Estrutura de Crença de Jogo de Criptomoedas (Crypto-Game-Belief Framework). Consiste em componentes modulares que processam dados de mercado, gerenciam a incerteza e desenvolvem estratégias em ambientes simulados.

3.1 Componentes Principais

Módulo de Percepção de Dados e Formação de Crenças

O sistema coleta dados brutos como movimentos de preços, volume de negociação e sentimento nas redes sociais. Em vez de gerar sinais diretos de compra/venda, esses inputs são convertidos em massas de crença usando a teoria de Dempster–Shafer.

Por exemplo, um indicador técnico otimista torna-se uma evidência ponderada, em vez de uma probabilidade fixa. Isso permite ao sistema modelar indecisões ao enfrentar sinais contraditórios.

Resolução Criativa de Problemas (CPS) e Gestão de Anomalias

Os mercados de criptomoedas frequentemente enfrentam eventos sem precedentes. Sistemas autônomos precisam de capacidades de Resolução Criativa de Problemas (CPS) para lidar com tais situações não nominais.

Este módulo possibilita raciocínio adaptativo além de padrões memorizados, gerando estratégias lógicas em contextos desconhecidos.

Simulação de Jogo com Múltiplos Agentes

As saídas de crença alimentam um ambiente de simulação baseado em jogos. O agente de IA compete contra outros agentes virtuais representando diversas estratégias de negociação.

Usando aprendizagem por reforço, o agente maximiza uma função de recompensa enquanto testa estratégias sem risco financeiro real.

3.2 Plano de Avaliação

Um quadro de avaliação hipotético inclui:

Conjunto de dados: Dados horários de BTC e ETH (2018–2023) mais métricas de redes sociais.

Referências: Estratégia de comprar e manter e uma rede neural LSTM padrão.

Métricas:

Retorno sobre Investimento (ROI)

Índice de Sharpe

Máximo Drawdown

O sistema é treinado com 70% dos dados e testado com 30%. Cenários artificiais de “cisne negro” (por exemplo, quedas súbitas de 20%) são introduzidos para testar a adaptabilidade do CPS.

4. Discussão

4.1 Aplicações Práticas e Confiança

A estrutura pode servir não apenas como uma ferramenta de negociação automatizada, mas também como assistente de gestão de risco para investidores institucionais. Contudo, a confiança do utilizador depende fortemente da explicabilidade.

Pesquisas em IA Explicável (XAI) demonstram que raciocínios compreensíveis aumentam significativamente a confiança. Assim, em vez de apenas emitir um sinal de “Vender”, o sistema deve fornecer explicações contextuais, como:

“A incerteza de mercado atingiu 80% segundo funções de crença; a exposição ao risco está sendo reduzida.”

4.2 Limitações Custo Computacional: Simulações com múltiplos agentes e atualizações de crença exigem poder computacional significativo, o que pode causar latência. Viés Histórico: A inteligência artificial permanece limitada pelos padrões históricos nos quais é treinada. Complexidade Psicológica Humana: Modelar julgamentos subjetivos de probabilidade humana continua desafiador.

4.3 Considerações Éticas A implementação de IA nos mercados de criptomoedas acarreta riscos de manipulação. Grandes atores algorítmicos podem explorar sinais de mercado de forma antiética. Sistemas de IA financeira devem aderir a princípios de transparência, justiça e não maleficência.

4.4 Trabalhos Futuros Pesquisas futuras podem integrar Modelos de Linguagem de Grande Escala (LLMs) para analisar automaticamente notícias e literatura acadêmica. Além disso, quadros de ética de IA cruzados podem apoiar o desenvolvimento de padrões éticos universais para bots de negociação.

5. Conclusão Os mercados de criptomoedas representam uma interseção de alto risco entre tecnologia e finanças. Este estudo propõe uma estrutura de IA holística que combina teoria dos jogos, funções de crença de Dempster–Shafer e técnicas de resolução criativa de problemas. Ao modelar os mercados como sistemas dinâmicos interativos, em vez de conjuntos de dados estáticos, a estrutura aprimora a tomada de decisão sob incerteza. Futuras versões com recursos de explicabilidade podem promover um ecossistema financeiro mais transparente e confiável para investidores individuais e institucionais.