Resumen

Debido a la dinámica caótica y fractal inherente en la serie de precios de Bitcoin, este documento propone un modelo de predicción de precios de Bitcoin de dos etapas combinando la ventaja de la descomposición modal variacional (VMD) y el análisis técnico. VMD elimina las señales de ruido y la volatilidad estocástica en los datos de precios al descomponer los datos en funciones modales variacionales, mientras que el análisis técnico utiliza tendencias estadísticas obtenidas de la actividad comercial pasada y cambios de precios para construir indicadores técnicos. La regresión de vectores de soporte (SVR) acepta la entrada de una combinación de indicadores técnicos (TI) y funciones modales variacionales reconstruidas (rVMF). El modelo es entrenado, validado y probado en un período caracterizado por una agitación económica sin precedentes debido a la pandemia de COVID-19, lo que permite la evaluación del modelo en presencia de la pandemia. El modelo híbrido construido supera al modelo SVR único que utiliza solo TI y r

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Bitcoin; Modelo de predicción de precios; Descomposición modal variacional; Análisis técnico; Regresión de vectores de soporte; Pandemia de COVID-19
• Keywords:Bitcoin; Price prediction model; Variational mode decomposition; Technical analysis; Support vector regression; COVID-19 pandemic