Browsing by Subject "Bitcoin"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Bitcoin: la evolución del dinero
    (Pontificia Universidad Javeriana Cali, 2021) Grajales Patiño, Álvaro; Tobón Tobón, Juliana; Dussan Laverde, Santiago
    Con el pasar de los años, los individuos han perdido la capacidad de ver la realidad por sí mismos. Se ha vuelto costumbre en la humanidad, necesitar de una institución, por perversa que sea, para que diga que es verdad o mentira, que existe y que no. La institución que más relevancia ha tomado para expresarse sobre lo anterior es el Estado. A través de él se ha negado la verdad por años. Ahora, el presente trabajo busca establecer si el Estado, a través del ordenamiento jurídico, intenta desconocer otra realidad. A lo largo de este texto, estudiaremos, en primer lugar, la cadena de bloques o Blockchain, aquel invento innovador y tecnológico que es utilizado para realizar las transacciones en criptomonedas toda vez que permite que su funcionamiento sea descentralizado, seguro y casi imposible de falsificar. En segundo lugar, estudiaremos el Bitcoin, un revolucionario desarrollo tecnológico que se convirtió en un medio de intercambio y que se constituye en una alternativa de libre elección a las monedas de curso legal. Estudiaremos su origen, qué es y cómo funciona. La problemática radica en que, a pesar de que esta criptomoneda se utiliza como dinero, no cuenta con el reconocimiento de la mayoría de los Estados, consecuencia de ello, no se le da tratamiento de dinero. En tercer lugar, exploraremos la teoría evolutiva del dinero. Esta teoría es de vital importancia, pues nos permite entender cómo determinado bien que tiene ciertas cualidades se convierte en un medio universal de intercambio y, con ello, en dinero. En este punto, también revisaremos las funciones del dinero que se derivan de su principal función: ser un medio de intercambio. Esto, con la intención de establecer si el Bitcoin, a la luz de la teoría evolutiva del dinero, puede o no ser considerado como tal así el Estado se niegue a reconocerlo.
  • Thumbnail Image
    Item
    Predicción de la volatilidad del bitcoin con modelos clásicos y de machine learning
    (Pontificia Universidad Javeriana Cali, 2025) Escobar Anduquia, Christian Daniel; Ruiz Ramos, Luis Carlos; Rivas Cortés, Vladimir Fabián; García Arboleda, Isabel Cristina
    La volatilidad del Bitcoin ha sido objeto de análisis debido a su marcada variabilidad en los mercados financieros, dado que su estudio permite a los inversionistas optimizar estrategias y diversificar portafolios en un entorno globalizado. Comprender su comportamiento facilita decisiones informadas ante la incertidumbre y especulación, aunque su naturaleza descentralizada plantea desafíos significativos. Inversionistas y formuladores de políticas enfrentan dificultades para crear estrategias adaptativas debido a su alta volatilidad y comportamiento impredecible. Para abordar este problema, se analizó el comportamiento histórico de la volatilidad y se compararon modelos estadísticos clásicos, como ARCH y GARCH, con enfoques avanzados de machine learning, incluyendo LSTM y GRU. Además, se implementaron otros modelos como SRNN, XGBOOST y LIGHTGBM para ampliar el análisis comparativo. Se evaluó la efectividad de cada enfoque, identificando ventajas, desventajas y parámetros clave que influyen en la precisión de las predicciones. XGBOOST, LSTM y GRU destacaron por su precisión; XGBOOST mostró una limpieza superior de residuos y ausencia de heterocedasticidad significativa, mientras que LSTM y GRU capturaron mejor dinámicas no lineales. Este estudio impulsó el desarrollo de competencias en ciencia de datos y modelado financiero, resaltando la utilidad del enfoque CRISP-DM y la importancia de integrar análisis de sentimientos y variables exógenas para mejorar la generalización en mercados volátiles como el de las criptomonedas.
  • Thumbnail Image
    Item
    Prototipo para predecir el precio de Bitcoin por medio de Machine Learning haciendo uso de despliegue continuo
    (Pontificia Universidad Javeriana Cali, 2025) Herrera Salcedo, José Fernando; Noreña Agudelo, Luis Gonzalo
    Este proyecto de grado aborda la volatilidad del precio de Bitcoin, que dificulta la toma de decisiones de inversión, mediante el desarrollo de un prototipo para su predicción utilizando Machine Learning (ML) y operaciones de ML (MLOps) para despliegue continuo. Dada la relevancia de Bitcoin y las dificultades que enfrentan los inversores, este trabajo busca ofrecer una solución tecnológica que apoye decisiones más informadas mediante predicciones actualizadas y transparentes. El objetivo general fue diseñar, implementar y evaluar una arquitectura MLOps en la nube (Azure) para automatizar el ciclo de vida de modelos de predicción de series temporales, lo que incluyó determinar variables relevantes (históricos de precio/volumen de exchanges Bitstamp, Binance, Coinbase y métricas on-chain como cantidad movida, transacciones y dificultad de minado desde un nodo local), elaborar un conjunto de datos horario consolidado (inicialmente horario y luego agregado a frecuencia diaria para el entrenamiento de los modelos), desarrollar y comparar modelos LSTM y GRU, seleccionar el de mejor rendimiento, e implementar una aplicación web para visualizar los resultados. Como principales resultados, se implementó la arquitectura MLOps utilizando Azure Data Lake, Databricks, MLflow y Azure Container Apps; el modelo GRU fue seleccionado por su desempeño (MAPE promedio de 1,66%, el cual se alcanzó al entrenar el modelo excluyendo las variables de la cadena; se desarrolló y desplegó una aplicación web con Streamlit mediante CI/CD (Docker, GitHub Actions, Azure Container Registry/Apps) que muestra la predicción diaria y métricas, y se logró la automatización del reentrenamiento diario del modelo. Las lecciones aprendidas destacan la importancia de la fuente y el preprocesamiento de datos (incluyendo transformaciones como diferencia logarítmica), la viabilidad y beneficios de implementar MLOps y CI/CD en la nube, y el desafío persistente que representa predecir con alta precisión la volatilidad inherente del mercado de Bitcoin.