Estimación de Precios de Bitcoin mediante Regresión Lineal Múltiple y Redes Neuronales

Abstract

Diversos estudios se han enfocado en estimar el precio de las criptomonedas utilizando modelos de series de tiempo y variables estáticas. Este estudio se centra en la predicción del precio de Bitcoin, utilizando un modelo que combina la regresión lineal múltiple y las redes neuronales. Este enfoque permite identificar los factores que influyen en la volatilidad de Bitcoin y, mediante una selección dinámica de variables, detectar constantemente el conjunto de características más relevante para la predicción. Asimismo, se optimiza la cantidad de datos para mejorar la precisión y evitar la sobreutilización de información histórica. La combinación de estas técnicas permitió capturar patrones y tendencias subyacentes, aumentando la confiabilidad de las predicciones, con una precisión del 88%. Sin embargo, es crucial considerar la necesidad de evaluaciones continuas para adaptarse a las cambiantes condiciones del mercado. Este enfoque brinda una herramienta más precisa para tomar decisiones informadas en un mercado altamente volátil.