MESTRADO | MSc DISSERTATIONS
URI permanente desta comunidade:
Navegar
Percorrer MESTRADO | MSc DISSERTATIONS por autor "Abreu, Ricardo João Lourenço de"
A mostrar 1 - 1 de 1
Resultados por página
Opções de ordenação
- Análise de relações dinâmicas entre tokens em redes blockchain com ferramentas de séries temporaisPublication . Abreu, Ricardo João Lourenço de; Ramos, Maria do RosárioEsta dissertação explora, sob uma perspetiva quantitativa, a estrutura das dependências dinâmicas entre tokens de Camada 1 (L1) e Camada 2 (L2) no ecossistema blockchain do Ethereum, colocando a questão central de saber se a hierarquia tecnológica entre camadas se reflete em relações econométricas observáveis. Em particular, analisa-se a interação entre os preços de Camada 1, ETH, e de Camada 2, MATIC e OP através de um enquadramento unificado de séries temporais multivariadas, combinando métodos clássicos de econometria financeira com abordagens modernas de aprendizagem profunda. Do ponto de vista metodológico, o estudo articula testes de raiz unitária e cointegração (Johansen), modelos VAR/VECM para a dinâmica de curto e longo prazo, testes de causalidade de Granger, e modelos de volatilidade condicional GARCH e DCC-GARCH para caracterização do risco sistémico e das correlações dinâmicas. Em paralelo, propõe-se um modelo híbrido ARIMA–LSTM multivariado com mecanismo de self-attention, concebido para decompor a dinâmica observada em componentes lineares e não lineares, maximizando a capacidade preditiva num contexto de elevada não estacionariedade e heterocedasticidade condicional. Os resultados empíricos indicam ausência de cointegração robusta entre tokens L1 e L2, sugerindo que a dependência tecnológica não implica, por si só, um equilíbrio económico de longo prazo. Contudo, identificam-se relações causais significativas e efeitos de transmissão assimétricos no curto prazo, bem como elevados níveis de correlação condicional variável no tempo, evidenciando contágio de volatilidade entre camadas. A análise comparativa de desempenho confirma que o modelo híbrido ARIMA–LSTM supera os modelos lineares tradicionais, demonstrando a relevância de arquiteturas não lineares para capturar dependências complexas. Este trabalho contribui para uma formalização matemática mais profunda da economia de tokens em arquiteturas blockchain modulares, oferecendo implicações relevantes para previsão, gestão de risco e modelação económica de sistemas descentralizados.