Revisión Sistemática de Modelos de Aprendizaje Automático para la Predicción del Precio del Bitcoin

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

Este trabajo presenta una revisión sistemática de la literatura centrada en modelos de aprendizaje automático para la predicción del precio de Bitcoin. Se analizaron 21 estudios publicados entre 2020 y 2024, identificando 26 modelos utilizados en distintos enfoques, desde redes neuronales hasta métodos híbridos. La revisión responde a preguntas clave relacionadas con variables predictivas, métricas de evaluación, fuentes de datos y metodologías comparativas. Entre los hallazgos, se destacan seis variables comúnmente utilizadas (Open, High, Low, Close, Volume y Date) y ocho métricas relevantes para evaluar el rendimiento de los modelos. Las fuentes de datos más usadas fueron Kaggle y Yahoo Finance, aunque en algunos casos no se especificó el origen de los datasets, lo que afecta la reproducibilidad. Aunque existe un avance significativo en el uso de inteligencia artificial para predecir el precio de Bitcoin, aún falta estandarización en los métodos de evaluación y comparación. Este trabajo presenta una visión general sobre las investigaciones relacionadas con los modelos empleados para la estimación del precio del Bitcoin. Esto permite identificar nuevas perspectivas y posibles líneas de investigación a futuro.