ANALIZANDO LA EFICACIA DE LOS ALGORITMOS DE PREDICCIÓN DE WEKA PARA LA PREDICCIÓN DEL COMPORTAMIENTO DEL BITCOIN

Resumen

Este estudio investigó el rendimiento predictivo del software WEKA en la predicción de series temporales de Bitcoin (BTC), comparando sus resultados con los obtenidos mediante R, utilizando datos históricos desde mayo de 2013 hasta diciembre de 2024 (4.254 observaciones). El análisis empleó múltiples algoritmos de aprendizaje automático evaluados mediante las métricas MAPE, RMSE y MAE. Los resultados revelaron que, aunque R obtuvo un rendimiento superior en la mayoría de los modelos, especialmente en términos de reducción del error, WEKA presentó un rendimiento competitivo y, en algunos casos, superior en modelos específicos: M5Rules alcanzó un MAPE de 2,25% y un RMSE de $1.449,49, mientras que SMOreg obtuvo un MAPE de 2,40% y un RMSE de $1.450,25 en la pestaña Forecast. Los modelos basados en reglas, M5Rules y M5P, mostraron un rendimiento significativamente superior en R, con un MAPE de 3,79% y un RMSE de $2.112,25, en contraste con los resultados modestos en WEKA, donde presentaron una correlación cercana a cero en la pestaña Classify. La prueba KPSS confirmó la no estacionariedad de la serie (valor p = 0,01), y la prueba de causalidad de Granger identificó una dependencia temporal significativa en el rezago 5 (valor p = 8,7e-06). Los hallazgos indican que, aunque WEKA ofrece una funcionalidad adecuada para modelos específicos en tareas de predicción secuencial, presenta inestabilidades y limitaciones en la modelización temporal integral, lo que convierte a R en una alternativa más robusta para aplicaciones financieras complejas.