El interés en bitcoin y altcoins: perspectiva académica

Columna

Data Science / Ciencia De Datos

Gestión Financiera

05 de agosto de 2024

El interés en bitcoin y altcoins: perspectiva académica

La tecnología de análisis de redes sociales promete dar forma al futuro de las finanzas

A pesar de no estar en su punto álgido de interés, según Google Trends, bitcoin y las altcoins despiertan un interés creciente entre inversores, especuladores e investigadores. En términos de investigación académica, este interés es evidente en el Portal de Periódicos de la Capes (Coordinación de Perfeccionamiento de Personal de Nivel Superior).

En una consulta rápida entre 2008 – año de creación de bitcoin – y 2023, es posible encontrar 7.747 resultados. Al incluir 2024, este número aumenta a 9.308, lo que indica que más del 20% de las investigaciones con bitcoin se publicaron en 2024, y el año aún no ha terminado. Este crecimiento en el número de publicaciones refleja el creciente interés académico y la continua importancia del tema en el contexto de la investigación científica y tecnológica.

El auge de bitcoin y otras criptomonedas ha captado la atención del público y ha generado una ola de investigaciones que buscan comprender y predecir sus comportamientos de mercado. Esta curiosidad académica se puede observar en diversas iniciativas que utilizan modelos de aprendizaje automático, análisis de sentimientos en redes sociales y técnicas de optimización de carteras.

Recientemente, Kadhim et al. (2024) propusieron un modelo de predicción de precios de criptomonedas utilizando un enfoque híbrido de deep learning. Este modelo analiza la influencia de las redes sociales en el valor de bitcoin, utilizando datos on-chain – registrados en la base de datos pública de las criptomonedas – e información de Twitter, entre 2014 y 2022.

A través de algoritmos como Twitter-RoBERTa y VADER para análisis de sentimientos, combinados con una red neuronal LSTM (memoria a largo plazo), el modelo logró alcanzar resultados interesantes en la predicción de tendencias de mercado. Esta investigación destaca cómo las emociones y percepciones expresadas en las redes sociales pueden tener un impacto directo en los precios de las criptomonedas, proporcionando información importante para traders e inversores.

Además, Jahanbin y Chahooki (2024) desarrollaron un modelo híbrido para el análisis de sentimientos en textos de redes sociales sobre criptomonedas, utilizando una técnica conocida como aprendizaje por transferencia. Esta técnica implica la adaptación de un modelo neuronal, que fue previamente entrenado en un gran volumen de datos (el dominio de origen), para realizar tareas en un nuevo dominio (el dominio de destino), a menudo con una cantidad limitada de datos. Utilizando una muestra de 25.000 tuits de influencers de criptomonedas entre noviembre de 2021 y diciembre de 2022, el modelo alcanzó una precisión del 88% y una tasa de pérdida de solo el 3%.

Este modelo híbrido emplea el BERT preentrenado (aprendizaje profundo) para extraer características lingüísticas del dominio de origen y aplicarlas en una red neuronal implícita para el análisis en el dominio de destino. El BERT, una red neuronal basada en transformadores, se entrena con grandes volúmenes de datos para capturar una serie de patrones lingüísticos. En el modelo propuesto, estas características preentrenadas se transfieren a una red neuronal implícita, la cual es especialmente eficaz para manejar datos continuos e intermitentes, como textos, imágenes y videos. La metodología también incluye el uso de decaimiento temporal para ajustar la tasa de aprendizaje en el algoritmo de optimización AdamW. El decaimiento temporal permite que la tasa de aprendizaje disminuya gradualmente con el tiempo, optimizando el proceso de entrenamiento y evitando ajustes excesivos. Esta combinación de técnicas avanzadas de aprendizaje profundo demuestra la eficacia del modelo para comprender las percepciones del mercado.

Otro estudio relevante, realizado por Wang et al. (2024), investigó la optimización de carteras durante crisis globales utilizando centralidades de red para seleccionar activos, incluidas las criptomonedas. Las centralidades de red son métricas que miden la importancia o influencia de un nodo en una red, en este caso, una red financiera compuesta por diferentes activos. La investigación analizó 86 activos de julio de 2017 a junio de 2023, sugiriendo que centralidades específicas mejoran el rendimiento de las carteras.

Usando varias medidas de centralidad, los resultados indicaron que las centralidades de autovector, híbrida y PageRank mejoran el rendimiento de las carteras, mientras que excentricidad e intermediación son inadecuadas. Las medidas de centralidad utilizadas incluyen:

  • Grado: mide el número de conexiones directas de un nodo;
  • Autovector: considera no solo las conexiones directas, sino también la importancia de los nodos conectados;
  • Excentricidad: mide la mayor distancia entre un nodo y cualquier otro nodo en la red;
  • Intermediación: evalúa la frecuencia con la que un nodo aparece en el camino más corto entre otros nodos;
  • PageRank: desarrollada por Google, mide la importancia de un nodo basándose en la calidad y cantidad de las conexiones;
  • Centralidades híbridas: combinan varias medidas de centralidad para una evaluación más robusta.

La investigación sugiere que, durante crisis globales, los activos periféricos en redes intermercado son más adecuados para la inversión. Los activos periféricos son aquellos que tienen menos conexiones directas y, por lo tanto, son menos influenciados por fluctuaciones sistémicas. Esto resalta la importancia de los mercados emergentes menos expuestos a shocks externos y con mayor estabilidad financiera.

Una revisión bibliométrica realizada por Carè y Cumming (2024) exploró las transformaciones en el sector financiero causadas por los avances tecnológicos y la automatización entre 1984 y 2022. Analizando 863 artículos, los autores identificaron una trayectoria ascendente consistente en investigaciones centradas en tecnologías de trading rápido y estrategias algorítmicas.

La investigación destacó tendencias emergentes en criptomonedas y machine learning, que continuarán dando forma a las futuras direcciones de investigación. En términos de criptomonedas, se observó un creciente interés en el desarrollo de modelos de predicción de precios y en el análisis de sentimientos. En cuanto a machine learning, las áreas de mayor destaque incluyen la optimización de estrategias de trading y la integración de técnicas de aprendizaje profundo en sistemas de negociación.

La creciente integración de tecnologías avanzadas, como machine learning y análisis de redes sociales, promete dar forma al futuro de las finanzas. Investigaciones como las destacadas promueven avances en el conocimiento académico y proporcionan herramientas para traders, inversores y reguladores. La ciberseguridad también desempeñará un papel importante en la protección de los mercados financieros contra amenazas crecientes. En última instancia, la colaboración interdisciplinaria y la innovación continua serán esenciales para navegar por los desafíos y aprovechar las oportunidades en un mercado dinámico.

El creciente interés en bitcoin y otras criptomonedas, tanto en el mercado como en la academia, refleja la continua transformación del sector financiero impulsada por innovaciones tecnológicas. Las investigaciones ilustran la diversidad de enfoques y metodologías utilizadas para comprender y predecir el comportamiento de las criptomonedas, desde los modelos híbridos de deep learning para la predicción de precios hasta los análisis de sentimiento y la optimización de carteras. Estas investigaciones contribuyen al avance del conocimiento académico y proporcionan herramientas sólidas para traders, inversores y reguladores en la toma de decisiones.

Para tener acceso a las referencias de este texto haz clic aquí

Quién publicó esta columna

José Erasmo Silva

José Erasmo Silva é professor, formado em Matemática e Administração, com mais de 25 anos de experiência em gestão empresarial e de pessoas. É mestre e doutor em Administração, com foco em Finanças, e especialista em Data Science e Analytics e em Finanças e Controladoria. Realizou pós-doutorado na Universidade Federal da Bahia (UFBA). Atualmente, atua como professor orientador no MBA em Data Science, Inteligência Artificial e Analytics da USP/Esalq e leciona na EEP/FUMEP e na rede estadual de ensino de São Paulo.

También te puede interesar

17 de noviembre de 2026

Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning

La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión (accuracy), precisión (precision), recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión (precision), recall y F1-score, y 93% de precisión (accuracy) y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de precisión (accuracy), destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de precisión (accuracy). Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.

Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.

17 de noviembre de 2026

Estructuración del proceso de cierre de proyectos de una industria de la construcción civil

Un estudio abordó el grupo de procesos de cierre de proyectos en una industria de manufactura de la construcción civil, utilizando la guía PMBOK como referencia principal. El proceso existente en la industria presentaba superficialidad y fragilidades, especialmente en el registro de lecciones aprendidas. Ante este escenario, el objetivo fue desarrollar un procedimiento para el cierre de proyectos de la organización, visando agregar valor por medio de la estandarización del proceso, registro del conocimiento adquirido, formalización de la conclusión y entrega de los proyectos, y mejoramiento de la comunicación, compromiso, integración y transparencia con los stakeholders. La investigación se clasificó como descriptiva, empleó datos cualitativos y adoptó la investigación-acción como delineamiento. El alcance del estudio se estructuró conforme a los cinco grupos de procesos de la guía PMBOK y fue representado por una Estructura Analítica de Proyecto (EAP). Los principales resultados obtenidos incluyeron el procedimiento desarrollado y diversas plantillas de documentos, que constituyeron los entregables del nuevo proceso de cierre de proyectos. Se verificó que el trabajo alcanzó el objetivo esperado, pues el procedimiento desarrollado viabilizó la estandarización del cierre de proyectos, el mejoramiento de la integración y el compromiso con los stakeholders, y la promoción de seguridad y transparencia en el proceso.

Palabras clave: Gestión del conocimiento; Lecciones aprendidas; PMBOK; Plantillas; Término de aceptación de proyecto.

17 de noviembre de 2026

Machine Learning y priorización de funcionalidades en productos digitales: un estudio de caso en una fintech

Una investigación analizó el potencial del uso de técnicas de machine learning aplicadas al análisis del comportamiento de los usuarios en la priorización de funcionalidades en productos digitales. El objetivo fue comprender los procesos de priorización utilizados en la práctica, el papel de los datos de comportamiento en la toma de decisiones y las percepciones sobre la aplicación de técnicas de machine learning en este contexto. Se adoptó un enfoque cualitativo y exploratorio, estructurado como un estudio de caso en productos desarrollados bajo el modelo Software as a Service (SaaS). La recolección de datos se realizó a través de entrevistas semiestructuradas con profesionales de las áreas de producto y de datos. El análisis de los datos siguió la técnica de análisis de contenido. Los resultados indicaron que, aunque los datos de comportamiento ya se utilizaban como apoyo a la decisión, los procesos de priorización aún presentaban baja formalización y enfrentaban limitaciones técnicas y organizacionales. Se observó, también, el reconocimiento del potencial del machine learning como soporte estratégico a la priorización de funcionalidades, aunque su aplicación práctica fuera incipiente. Como principal contribución, el estudio propuso un modelo conceptual que integra datos de comportamiento, procesos de priorización y el uso de machine learning como soporte a la decisión.

Palabras clave: Análisis de datos; Comportamiento del usuario; Datos de comportamiento; Software as a Service (SaaS); Toma de decisiones.

17 de noviembre de 2026

Inteligencia artificial en las rutinas operativas contables y en la eficiencia financiera

La incorporación de Inteligencia Artificial (IA) y de herramientas de automatización ha reconfigurado las rutinas de las oficinas contables brasileñas, impactando la productividad, la mitigación de errores y la eficiencia financiera. Se analizaron estos impactos en una oficina contable de pequeño tamaño, especializada en la atención a prestadores de servicios del área médica en São Caetano do Sul, São Paulo. La investigación adoptó un enfoque cualitativo, con un diseño de estudio de caso único y unidades de análisis incorporadas. Los datos se recolectaron mediante un cuestionario estructurado, aplicado vía Google Forms entre enero y febrero de 2026, a cinco profesionales de la estructura operativa de la oficina en un relevamiento censal. El tratamiento siguió un análisis de contenido con categorías a priori y emergentes. Todos los encuestados declararon uso de herramientas automatizadas o con recursos de IA. La percepción de reducción del tiempo de ejecución, de disminución de errores operacionales, de retrabajo y de mejor aprovechamiento del tiempo del equipo convergió en el 80% de las respuestas afirmativas y el 20% parciales. Las actividades más beneficiadas fueron la conciliación bancaria, la importación de documentos fiscales y la liquidación tributaria, con ganancias visibles sobre errores de digitación, asientos duplicados y clasificación incorrecta. La intervención humana permaneció indispensable en la planificación tributaria, el análisis de escenarios y la verificación de obligaciones accesorias. La evaluación general de la contribución de la IA fue predominantemente favorable, con moderación vinculada a la complejidad normativa fiscal.

Palabras clave: Análisis de contenido; Automatización de procesos; Contabilidad 4.0; Pequeño tamaño; Transformación digital.

17 de noviembre de 2026

Factores que influyen en la gestión de plazos en proyectos de “retrofit” de estaciones de tratamiento de aguas residuales

Los proyectos de “retrofit” en Plantas de Tratamiento de Aguas Residuales (PTAR) se caracterizan por su alta complejidad, restricciones operativas y múltiples interfaces técnicas. El estudio analizó la percepción de los profesionales involucrados sobre la gestión y el cumplimiento de los plazos en proyectos de “retrofit” de plantas de tratamiento de aguas residuales, considerando factores técnicos, operativos y organizacionales. La investigación se caracterizó como un estudio aplicado, con un enfoque cuali-cuantitativo, delineado como un levantamiento de campo de tipo “survey”. El análisis de los datos se realizó mediante estadística descriptiva y categorización cualitativa, utilizando las herramientas SWOT, matriz de riesgo (Probabilidad x Impacto) y plan de acción 5W2H. Los resultados indicaron una alta percepción de claridad (77,8%) y realismo de los plazos (100% de acuerdo), evidenciando una planificación inicial consistente. Sin embargo, el 77,7% de los encuestados señaló que los retrabajos y cambios de alcance impactaron directamente el cumplimiento de los plazos. La integración entre ingeniería, fabricación y Planificación y Control de la Producción (PCP) presentó una evaluación intermedia (77,7% de acuerdo parcial/total), indicando fragilidad en la coordinación interfuncional. La matriz de riesgo destacó como críticos: cambios de alcance, limitaciones operativas de la PTAR y complejidad técnica, todos con nivel alto. Como mejora central, se propuso la estandarización del control de cambios de alcance, análisis y aprobación, con el fin de reducir retrabajos y aumentar la previsibilidad del cronograma.

Palabras clave: Desempeño; Integración; Planificación; Retrabajo; Riesgo.

17 de noviembre de 2026

Captación B2C en medicina diagnóstica: acuerdos estratégicos con consultorios médicos especializados

El sector de la medicina diagnóstica en Brasil opera con una alta dependencia de las aseguradoras de planes de salud, lo que limita la autonomía financiera de los prestadores. Este estudio propuso y analizó un modelo de captación directa de pacientes (B2C) para una institución de medicina diagnóstica de alta complejidad, estructurado a partir de alianzas con consultorios de Oncología y Cardiología y operado por un servicio de atención personalizada denominado conserjería. La investigación adoptó un enfoque mixto en tres fases: levantamiento de campo con cuestionario estructurado aplicado a 87 pacientes, mapeo del flujo operativo mediante “Service Blueprint” y análisis de la tasa de conversión a partir de 312 indicaciones médicas registradas en el proyecto piloto. Los resultados indicaron que la confianza en la indicación médica obtuvo un 92,0% de concordancia, configurándose como el principal factor de adhesión. La conveniencia de realizar el examen el mismo día alcanzó el 78,2%, y la disposición al pago directo llegó al 55,2%, con una polarización asociada a la predominancia de usuarios de planes de salud. El “Service Blueprint” identificó tres puntos críticos en las transiciones entre etapas del recorrido. La tasa de conversión global fue del 51,0%, con un desempeño superior en Oncología (58,2%) en relación con Cardiología (45,0%), y la mayor pérdida se concentró en la etapa de aceptación y agendamiento (28,3%). Se concluyó que el modelo demostró posible viabilidad operativa e indicios de aceptación por parte de los pacientes, condicionado a la transparencia de precios y a la reducción del intervalo entre la consulta y el abordaje por la conserjería.

Palabras clave: Desembolso directo; Recorrido del paciente; Salud suplementaria; Servicio de conserjería; Tasa de conversión.

17 de noviembre de 2026

El papel del director escolar en la promoción de una cultura inclusiva: liderazgo y políticas educativas

La investigación analizó el desempeño del director escolar en la promoción de una cultura inclusiva, considerando la necesidad de transformar directrices legales y fundamentos pedagógicos en prácticas institucionales efectivas. Se partió del supuesto de que la inclusión escolar exige planificación, organización y liderazgo estratégico en el día a día de la escuela. Se adoptó un enfoque cualitativo de naturaleza aplicada, desarrollado en tres etapas complementarias: análisis documental de las legislaciones brasileñas sobre educación inclusiva, revisión bibliográfica sobre liderazgo y gestión escolar, y sistematización de los datos por medio de herramientas gerenciales como la matriz FODA y el ciclo PDCA. Los resultados indicaron que el desempeño de la gestión escolar influyó directamente en la consolidación de ambientes inclusivos, especialmente en la organización de procesos, formación continua del equipo y fortalecimiento de una cultura institucional colaborativa y respetuosa de la diversidad. También se identificaron desafíos estructurales, pedagógicos y relacionales que demandaron intervenciones planificadas. Al final, se elaboró una Guía Práctica para Directores Escolares, con directrices, protocolos y orientaciones operacionales para la toma de decisiones y organización de los procesos inclusivos. Se concluyó que la construcción de una cultura inclusiva dependió de la capacidad de gestión para articular políticas públicas, prácticas pedagógicas y procesos institucionales, consolidando la inclusión como un compromiso permanente en el contexto escolar.

Palabras clave: Accesibilidad educativa; Equidad educativa; Gestión participativa; Planificación estratégica; Procesos institucionales.

17 de noviembre de 2026

Un artefacto de IA basado en Design Thinking para apoyar la elicitación de requisitos de software a partir de las necesidades de los usuarios

El desarrollo de software orientado a las necesidades de los usuarios a menudo enfrenta desafíos en la elicitación de requisitos, derivados de ambigüedades en el lenguaje natural y fallos de comunicación. Ante esto, se propuso y validó un artefacto inteligente que integra Design Thinking e Inteligencia Artificial, con foco en las etapas de Empatía y Definición, para apoyar la recolección, interpretación y estructuración de las necesidades de los usuarios. La investigación, de naturaleza aplicada, cualitativa y exploratoria, condujo una Prueba de Concepto en un ambiente controlado, empleando escenarios hipotéticos. El artefacto operó mediante entrevistas guiadas en lenguaje natural, organizando información en elementos como dolor, contexto e impacto, y generando síntesis de problemas rastreables. Los resultados indicaron que el sistema organizó relatos no estructurados, redujo ambigüedades y preservó el sentido de la información original en la mayoría de los casos. Se observó también la capacidad de reorganización lógica en escenarios complejos, aunque con limitaciones en la separación de múltiples problemas y dependencia de las instrucciones. Se concluyó que el artefacto tiene potencial como apoyo a la elicitación de requisitos, mejorando la claridad y la estructuración de la información, pero requiere supervisión y control contextual.

Palabras clave: Design Thinking; Elicitación de Requisitos; Ingeniería de Requisitos; Inteligencia Artificial; Procesamiento del Lenguaje Natural.

17 de noviembre de 2026

La Extinción de la Sistemática de Retención en la Industria Farmacéutica a la Luz de la Reforma Tributaria

La Reforma Tributaria del consumo, establecida por la Enmienda Constitucional nº 132/2023, introdujo alteraciones estructurales en el sistema tributario brasileño, con la sustitución del Programa de Integración Social (PIS) y de la Contribución para el Financiamento de la Seguridad Social (COFINS) por la Contribución sobre Bienes y Servicios (CBS), en un modelo de Impuesto sobre el Valor Añadido (IVA dual). El objetivo fue analizar los impactos de la extinción de la sistemática monofásica en la industria farmacéutica, a la luz del nuevo diseño normativo y de sus efectos económicos y jurídicos. Se realizó una investigación cualitativa, de naturaleza exploratoria, por medio de estudio de caso y análisis documental de la legislación y la doctrina especializada. Se examinó si el fin de la monofasia implicaría un aumento relevante de la carga tributaria para el sector. Los resultados indicaron que, aunque la superación formal de la sistemática monofásica ha ocurrido, la desgravación material de los medicamentos fue preservada, sobre todo en razón de la aplicación de alícuotas reducidas del 60% y, en determinados casos, de alícuota cero del Impuesto sobre Bienes y Servicios (IBS) y de la CBS. El cambio de modelo puede provocar variaciones puntuales en la recaudación, sin caracterizar un aumento estructural de la carga tributaria, tendiendo a la neutralidad a lo largo del tiempo. Se concluyó, preliminarmente, que la Reforma Tributaria reorganizó la técnica de tributación en la industria farmacéutica, sustituyendo un régimen concentrado por mecanismos más transparentes de desgravación. Este enfoque se mostró compatible con los principios de neutralidad, de no acumulatividad plena y de extrafiscalidad, manteniendo la protección tributaria a los medicamentos esenciales y alineando la política fiscal al derecho fundamental a la salud.

Palabras clave: CBS; COFINS; IBS; IVA Dual; PIS.