En un proyecto de investigación reciente, se probaron varios modelos para predecir los precios de Bitcoin utilizando datos en cadena de la plataforma CryptoQuant. El estudio utilizó 373 funciones que abarcan desde 2012 hasta la actualidad. Los modelos clásicos de aprendizaje automático no eran adecuados debido al uso de una técnica de ventana deslizante, lo que llevó a la aplicación de técnicas de aprendizaje profundo basadas en tensores para el procesamiento de datos 3D.

Los resultados más prometedores se obtuvieron con los modelos N-Beats y WaveNet. El modelo N-Beats, desarrollado en TensorFlow, logró un error porcentual absoluto medio (MAPE) de 31,9849. El rendimiento del modelo en los datos de entrenamiento, validación y prueba se demuestra en la imagen A, y el pronóstico de 30 días se muestra en el gráfico B.

El modelo WaveNet también mostró resultados aceptables, con un valor de pérdida de probabilidad logarítmica negativa de 2,88. La imagen C muestra su desempeño en la predicción de precios del mes pasado, mientras que la imagen D presenta la predicción del precio de Bitcoin para el próximo mes. Según el modelo WaveNet, es probable que el precio de Bitcoin fluctúe dentro del mismo rango que ha experimentado en los últimos meses, con un intervalo de confianza del 50%.