Estimacion del mercado de criptodivisa en banca de inversion

Abstract

El presente Trabajo de Fin de Máster tiene como objetivo el desarrollo e implementación de modelos predictivos para estimar el comportamiento del precio de Bitcoin en el mercado de criptomonedas. Para ello, se emplean técnicas de análisis de datos, procesamiento de información financiera y algoritmos de aprendizaje automático. El proyecto se basa en el uso de dos fuentes de datos principales. En primer lugar, el conjunto de datos CryptoLM-Bitcoin-BTC-USDT, disponible en la plataforma Hugging Face, que proporciona información histórica detallada sobre los precios de Bitcoin frente al USDT. Este dataset incluye múltiples indicadores técnicos, tales como medias móviles (MA), índice de fuerza relativa (RSI), bandas de Bollinger, MACD, entre otros, con una frecuencia de actualización de 3 minutos (y un retraso de 1 minuto), lo que permite trabajar con información casi en tiempo real. En segundo lugar, se integran variables macroeconómicas procedentes del World Economic Outlook (WEO) del Fondo Monetario Internacional (FMI), con el objetivo de enriquecer el análisis y evaluar el impacto de factores económicos globales sobre el comportamiento del mercado de criptomonedas. A partir de esta información, se entrenan y comparan distintos modelos de aprendizaje automático, evaluando su rendimiento mediante métricas como el error cuadrático medio (RMSE), el error absoluto medio (MAE) y el coeficiente de determinación (R²). Los resultados obtenidos permiten analizar la capacidad predictiva de los modelos desarrollados y su posible aplicabilidad en la toma de decisiones de inversión, contribuyendo a la gestión del riesgo y la optimización de estrategias en un entorno altamente volátil.