En un estudio reciente, se empleó el modelo N-HiTS (interpolación jerárquica neuronal para series temporales), un marco de aprendizaje profundo, para predecir los precios de Bitcoin durante los próximos 30 días utilizando datos de Onchain de los últimos 180 días. La capacidad única del modelo para descomponer los datos de entrada en niveles jerárquicos le permite capturar diferentes patrones temporales de manera efectiva.
El modelo N-HiTS genera pronósticos intermedios a través de un mecanismo de interpolación, que luego se refinan recursivamente para mayor precisión. Este enfoque permite que el modelo capture eficazmente tanto las fluctuaciones a corto plazo como las tendencias a largo plazo.
El modelado y la capacitación se realizaron utilizando las bibliotecas PyTorch, PyTorch Lightning y PyTorch Forecasting. Los datos de entrenamiento incluyeron 376 características extraídas de la plataforma cryptoquant. Se presentaron los precios previstos y reales tras el proceso de formación de los datos de validación, así como la previsión para los próximos 30 días.
Esta aplicación del modelo N-HiTS en la industria blockchain demuestra el potencial de los marcos de aprendizaje profundo para mejorar la precisión de las predicciones de precios de las criptomonedas.
