El Ing. Lazáro Javier Hernández, investigador de la Universidad Internacional Iberoamericana (UNIB), participa, junto a un equipo internacional, en un estudio que compara diferentes modelos de inteligencia artificial para mejorar la predicción a corto plazo del precio de las criptomonedas. La investigación también analiza si incorporar información sobre las reacciones expresadas por los usuarios en X (antes Twitter) puede aportar datos útiles para realizar estas predicciones.
Los precios de las criptomonedas pueden cambiar rápidamente y verse afectados por múltiples factores. Esta variabilidad hace que anticipar su comportamiento, incluso en periodos cortos, sea un reto para los investigadores.
Ante esta dificultad, el estudio, titulado «Cryptocurrency Market Trends: A Machine Learning-Driven Time Series Forecasting with Twitter Sentimet Integration», plantea una estrategia basada en inteligencia artificial que combina diferentes formas de analizar los datos. En concreto, compara tres modelos híbridos: VAR-LSTM, XGBoost-LSTM y CNN-LSTM. El objetivo es determinar cuál ofrece mejores resultados al intentar predecir el precio de cierre de la siguiente hora de Bitcoin, Ethereum y Dogecoin.
A diferencia de los modelos que utilizan una única técnica, estas alternativas combinan diferentes herramientas para analizar tanto la información disponible sobre el mercado como la evolución de los precios a lo largo del tiempo.
Tres modelos para encontrar una mejor predicción
Para realizar la comparación, los investigadores utilizaron información histórica de las criptomonedas, como precios de apertura y cierre, valores máximos y mínimos y volumen de negociación. También incorporaron diferentes indicadores que permiten identificar tendencias y cambios en el comportamiento de los precios.
Los tres modelos fueron sometidos a las mismas condiciones de evaluación. De esta manera, los investigadores pudieron comprobar cuál conseguía realizar predicciones más precisas y si alguno ofrecía ventajas frente a los demás.
Entre las tres alternativas, XGBoost- LSTM obtuvo mejores resultados, con una precisión del 80 % al anticipar si el precio subiría o bajaría durante la siguiente hora. CNN-LSTM alcanzó un 67.2 %, mientras que VAR-LSTM obtuvo un 59.4 %.
¿Qué aportan las reacciones de los usuarios en X?
Además de comparar los tres modelos, la investigación analizó si las reacciones expresadas por los usuarios en X pueden aportar información que ayude a mejorar las predicciones. Para ello, los investigadores incorporaron al análisis información sobre el tono de las publicaciones relacionadas con Bitcoin, Ethereum y Dogecoin. Las publicaciones fueron clasificadas según si expresaban una reacción positiva, negativa o neutral, y estos datos se incorporaron junto con la información del mercado.
Los resultados mostraron que esta información tuvo un efecto relevante. Cuando los investigadores retiraron las reacciones de los usuarios del modelo XGBoost-LSTM, su precisión para anticipar la dirección del precio pasó del 80 % al 67 %. La diferencia fue estadísticamente significativa.
Este resultado sugiere que la información precedente de las redes sociales puede aportar señales adicionales a los datos históricos del mercado, aunque no sustituye a estos ni permite eliminar la incertidumbre propia de las criptomonedas.
Una aproximación con posibilidades de seguir desarrollándose
El estudio muestra que la combinación de diferentes modelos de inteligencia artificial puede ofrecer mejores resultados que el uso de una única técnica para anticipar movimientos de precios a corto plazo. Al mismo tiempo, la investigación pone de relieve el valor potencial de incorporar información externa al comportamiento histórico de los precios, como las reacciones de los usuarios expresados en X.
No obstante, los investigadores reconocen también algunas limitaciones, como el uso de una única plataforma social y la posibilidad de que las publicaciones analizadas incluyan actividad automatizada o determinados sesgos. También señalan que los datos utilizados corresponden a un período anterior a varios cambios importantes experimentados posteriormente por el mercado de las criptomonedas.
Como líneas de trabajo futuro, el estudio plantea explorar nuevos modelos de inteligencia artificial, incorporar información procedente de diferentes plataformas sociales y añadir otros datos relacionados con la actividad de las redes de criptomonedas.
Si quieres conocer más sobre este estudio, haz clic aquí.
Para leer más investigaciones, consulta el repositorio de UNIB.
La Inteligencia Artificial está cambiando la forma de analizar información, se necesitan profesionales capaces de dirigir estas tecnologías. En este contexto, UNIB ofrece la Maestría en Dirección Estratégica con Especialidad en Tecnologías de la Información, dirigida a profesionales que buscan desarrollar capacidades para liderar proyectos tecnológicos y de transformación organizacional. El programa puede cursarse con una beca proporcionada por la Fundación Universitaria Iberoamericana (FUNIBER). Conoce el programa y solicita información sobre tu beca.