Predicción del precio de criptomoneda aplicando técnica de Machine Learning - Random Forest

Abstract

En el actual y en constante evolución del panorama financiero, el mercado de criptomonedas ha captado una considerable atención por parte de inversores y operadores. Esta investigación se adentra en la predicción de criptomonedas, centrándose específicamente en Bitcoin, mediante el uso del Aprendizaje Automático y, en particular, el algoritmo Random Forest. La motivación de este estudio surge de la necesidad de abordar los desafíos significativos que enfrentan los participantes del mercado debido a la volatilidad inherente y la falta de regulación en el mercado de criptomonedas. Además, los datos históricos disponibles pueden no reflejar completamente la compleja realidad del entorno de las criptomonedas. Por lo tanto, la investigación tiene como objetivo comprender y aplicar técnicas de Aprendizaje Automático para enfrentar estos desafíos críticos. La investigación incluye la recopilación y el preprocesamiento de datos cuantitativos de los mercados de criptomonedas, incorporando características como los precios de apertura, máximos, mínimos y cierre, el volumen de negociación y el número de transacciones. Se desarrolla un modelo predictivo utilizando Random Forest y los datos se dividen en conjuntos de entrenamiento y prueba. Los resultados más representativos numéricamente obtenidos son los siguientes: Error Absoluto Medio (MAE): 18744.32 Raíz del Error Cuadrático Medio (RMSE): 30125.42 Error Porcentual Absoluto Medio (MAPE): 32.45% Estas métricas proporcionan una medida clara de la precisión del modelo en términos absolutos y relativos, evaluando la discrepancia entre los valores predichos y los valores reales de los precios de Bitcoin. El estudio también busca establecer relaciones causales entre las variables seleccionadas y los precios de las criptomonedas, demostrando cómo los cambios en estas variables influyen en las fluctuaciones de los precios. Se realizaron análisis de sensibilidad para evaluar cómo las variaciones en las variables predictoras afectan las predicciones de precios. Este diseño de investigación cuantitativa implica la recopilación, el análisis y la interpretación de datos numéricos para desarrollar modelos predictivos, proporcionando un sólido marco cuantitativo para pronosticar los precios de las criptomonedas y facilitar la toma de decisiones más informadas para inversores y operadores en este entorno financiero en constante cambio.