Modelado de series temporales en criptomonedas con ARIMA: Un análisis empírico aplicado a Bitcoin y Ethereum

Abstract

El estudio analizó el comportamiento de las criptomonedas Bitcoin y Ethereum durante el año 2024 mediante la construcción de un modelo estadístico ARIMA (AutoRegressive Integrated Moving Average). La investigación utilizó un enfoque cuantitativo que se dividió en cuatro etapas: recopilación y limpieza de datos históricos, verificación de la estabilidad de los datos, identificación y estimación de los mejores parámetros usando criterios de información, y validación mediante medidas de precisión y análisis de residuos. Los resultados demostraron que el modelo ARIMA fue útil en el pronóstico de valores en mercados estables, destacando su trayectoria en el análisis de datos financieros. Además, los valores bajos de RMSE y MAPE validaron que el modelo tiene la capacidad de realizar pronósticos precisos en escenarios con alta frecuencia. En particular, el MAPE de Bitcoin fue 2,25 % y el de Ethereum 2,85 % durante la etapa de prueba, demostrando que los valores pronosticados tuvieron una ligera desviación con respecto a los reales. No obstante, el modelo puede verse afectado en periodos de alta volatilidad, como en las burbujas especulativas o en los desplomes bursátiles, ya que no tiene la capacidad de adaptarse dinámicamente a cambios súbitos en los parámetros; sin embargo, su utilidad puede mejorar al combinar modelos híbridos con ARIMA.