Un científico de datos del prestigioso Instituto de Tecnología Vellore de la India ha esbozado un método para supuestamente predecir los criptoprecios en tiempo real utilizando una red neuronal de gran memoria a corto plazo (LSTM).

En un artículo publicado en un blog el 2 de diciembre, el investigador Abinhav Sagar demostró un proceso de cuatro pasos sobre cómo usar la tecnología de aprendizaje automático para pronosticar los precios en un sector que, según él, es "relativamente impredecible" en comparación con los mercados tradicionales. 

El aprendizaje automático para la predicción de criptoprecios ha sido "restringido"

Sagar precedió su demostración indicando que, si bien el aprendizaje automático ha logrado cierto éxito en la predicción de los precios del mercado de valores, su aplicación en el campo de las criptomonedas ha sido restringida. En apoyo de esta alegación, sostuvo que los precios de las criptomonedas fluctúan de acuerdo con los rápidos avances tecnológicos, así como con factores económicos, de seguridad y políticos.

El método propuesto por Sagar, que consta de cuatro pasos, implica 1) recopilar datos de las criptomonedas en tiempo real; 2) preparar los datos para el entrenamiento en redes neuronales; 3) probar la predicción utilizando la red neuronal LSTM; 4) visualizar los resultados de la predicción.

Como ha señalado el desarrollador de software Aditi Mittal, LSTM es un acrónimo de "Long Short-Term Memory", un tipo de red neuronal que está diseñada para clasificar, procesar y predecir series de tiempo con desfases temporales de duración desconocida. 

Para entrenar su red, Sagar utilizó un conjunto de datos de CryptoCompare, haciendo uso de características como precio, volumen y valores abiertos, altos y bajos.

Proporciona un enlace al código para el proyecto completo de GitHub y describe las funciones que utilizó para normalizar los valores de los datos en preparación para el aprendizaje automático.

Antes de trazar y visualizar los resultados de las predicciones de la red, Sagar indica que utilizó el Error Absoluto Medio como cifra de evaluación, que, según él, mide la magnitud media de los errores en un conjunto de predicciones, sin considerar su dirección.

Sagar’s visualization of his cryptocurrency predictions in real-time using an LSTM neural network

La visualización de Sagar de sus predicciones de criptomonedas en tiempo real usando una red neural LSTM. Fuente: towardsdatascience.com

De los mercados al espacio exterior

Más allá de las predicciones del mercado, la convergencia de las nuevas tecnologías descentralizadas, como la blockchain con el aprendizaje automático, ha ido ganando cada vez más fuerza.

Como se informó en otoño, la NASA publicó recientemente una lista para un papel de científico de datos, destacando las criptomonedas y la experiencia blockchain como "una ventaja". 

La agencia, cuya función principal es la construcción y operación de naves espaciales robóticas planetarias y la realización de misiones en órbita terrestre, también requería cualificaciones en uno o más campos relacionados, entre los que se incluyen el aprendizaje automático, los grandes datos, la Internet de las cosas, los análisis, las estadísticas y la computación en la nube.

Sigue leyendo: