Modelos analíticos
Cómo esta web compara modelos que intentan predecir la dirección del precio.
Qué intenta predecir
No un precio exacto — eso sería una promesa mucho más fuerte y mucho menos defendible. En su lugar, para cada indicador de esta web, la pregunta es: ¿estará el precio más alto dentro de 7, 30 o 90 días? Una probabilidad de dirección es algo sobre lo que sí se puede mostrar honestamente un intervalo de confianza.
Los modelos que se comparan
Regresión logística
Combina todos los indicadores en una única puntuación y la convierte en una probabilidad de que el precio esté más alto dentro de N días.
Random Forest
Entrena cientos de árboles de decisión distintos y promedia su voto, para que la opinión rara de un solo árbol no domine la predicción final.
Gradient Boosting
Encadena árboles de decisión donde cada uno nuevo se entrena específicamente para corregir los errores que cometieron los anteriores.
LightGBM
La misma idea que Gradient Boosting — árboles que se corrigen unos a otros en cadena — pero construida para entrenarse mucho más rápido con muchas columnas de datos a la vez.
Régimen de volatilidad
El mismo LightGBM de arriba con los mismos indicadores, pero preguntándole otra cosa: no si el precio subirá, sino si se moverá más.
Cómo se evalúan sin hacer trampa
El error más común al evaluar modelos sobre series temporales es dividir los datos en "entrenamiento" y "prueba" al azar — en una serie diaria fuertemente autocorrelacionada, eso deja que días prácticamente idénticos caigan uno a cada lado de la división, y el modelo parece acertar mucho más de lo que acertaría en la vida real.
Esta web usa en su lugar una validación "walk-forward" anclada a los ciclos de halving de Bitcoin (2012-11-28 / 2016-07-09 / 2020-05-11 / 2024-04-20): cada modelo se entrena únicamente con ciclos completos anteriores al que se usa para evaluarlo. Así, la puntuación refleja cómo se comporta el modelo ante un régimen de mercado que nunca ha visto, no ante un simple trozo de tiempo distinto del mismo régimen.
Así NO se debe evaluar: si los días se reparten al azar entre entrenamiento y prueba, días casi idénticos de un mismo ciclo acaban en ambos lados — el modelo parece acertar mucho más de lo que acertaría en la vida real.
Un resultado honesto que vale la pena contar
Parte de la literatura reciente revisada (no exhaustiva) encontró que, para predecir la dirección del precio al día siguiente, añadir indicadores on-chain apenas mejora sobre usar sólo el precio (apertura, máximo, mínimo) — el mejor modelo de ese estudio ni siquiera usaba datos on-chain. Esto no significa que los indicadores de esta web sean inútiles: todos están presentados aquí como señales de ciclo, no de "mañana" — pero es la razón por la que ninguna página de esta web promete más de lo que su propia evidencia sostiene.