Predicción del Precio de Bitcoin usando Modelos de Redes Neuronales

Ponente(s): Luis Manuel Lagunez Rodríguez, José Luis López Martínez, Francisco Moo Mena

El presente trabajo aborda la predicción del precio de Bitcoin, una criptomoneda caracterizada por su alta volatilidad. Como parte de una iniciativa orientada al análisis en el campo de las finanzas computacionales, se aplicaron redes neuronales con el objetivo de mejorar la precisión de las predicciones. Se comparan dos enfoques: las redes LSTM, especializadas en el procesamiento de series temporales, y los modelos Transformer, una arquitectura más reciente que ha mostrado resultados prometedores en el análisis de datos secuenciales. Se recolectaron y normalizaron datos históricos de precios. Luego, se generaron secuencias para predecir el valor del día siguiente. Los modelos fueron entrenados y evaluados mediante métricas de precisión y visualizaciones. Los resultados preliminares muestran el potencial de la inteligencia artificial en contextos financieros. Aunque los modelos no sustituyen el análisis humano, representan herramientas útiles para apoyar la toma de decisiones. Este trabajo se enfoca en un análisis univariable correspondiente al precio de cierre diario de Bitcoin. A pesar de ello, sienta las bases para investigaciones futuras que integren variables adicionales o una extensión del análisis.