Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cita APA: López-Agudelo, J. (2022). Estimación del precio de criptomoneda Monero (XMR) basado en modelos
matemáticos inferenciales 2019-2021. Mount Scopus Journal, 2(2), 29-50.
Resumen
La propuesta de estimación del precio de comercialización de la criptomoneda Monero (XMR), partió de la
observación de una muestra en nodos de los mercados globales, con información histórica del periodo 2019-
2021, y proyección en modelos matemáticos inferenciales. La política blockchain, predijo una variabilidad
positiva de 62% para el activo, y su equivalencia en dólares americanos hacia el último trimestre del año 2021;
de entre 123 US$ hasta 212 US$ por unidad no fiduciaria. La bondad de ajuste del alisado exponencial doble
se evidenció en el coeficiente de ajuste R2=0.792, en la tasación proyectada; con nivel de confianza del 97%.
Mientras, el ajuste multivariado influyó positivamente en el incremento del valor de la criptomoneda en 72%.
La evolución del precio del token explicó una variabilidad positiva de 9.12%; pasando de 401 US$ a 419 US$
en promedio. Si el umbral límite superior alcanza los 220 US$/XMR, la recomendación es a cambiar su valor
por una moneda fiduciaria; posteriormente esperar a una caída brusca por debajo de los 160 US$, para la
compra de XMR. Este es el escenario de rentabilidad ideal para el inversor en criptomonedas durante el periodo
2022.
Palabras clave: minería; nodo; alisado exponencial; tendencia; variabilidad.
Abstract
The proposal for estimating the trading price of the cryptocurrency Monero (XMR) was based on the
observation of a sample of global market nodes, with historical information for the period 2019-2021, and
projection in inferential mathematical models. The blockchain policy predicted a positive variability of 62%
for the asset, and its equivalence in US dollars towards the last quarter of 2021; from US$123 to US$212 per
non-fiduciary unit. The goodness of fit of the double exponential smoothing was evidenced by the coefficient
of fit R2=0.792, at the projected valuation; 97% confidence level. Meanwhile, the multivariate adjustment
positively influenced the increase in the value of the cryptocurrency by 72%. The evolution of the token price
explained a positive variability of 9.12%; going from US$401 to US$419 on average. If the upper limit
threshold reaches US$220/XMR, the recommendation is to exchange its value for a fiat currency; then wait for
a sharp drop below US$160 to buy XMR. This is the ideal return scenario for the cryptocurrency investor in
2022.
Keywords: mining; node; exponential smoothing; trend; variability; mining; exponential smoothing; trend;
variability.
Resumo
Mount Scopus Journal ISSN: 2810-840X (En línea) Volumen 2. Número 2. enero-marzo 2022.
Recibido: 28/12/2021, Aceptado: 25/02/2022, Publicado: 27/03/2022
www.scopusrevista.es
A proposta para estimar o preço comercial da moeda criptográfica Monero (XMR) foi baseada na observação
de uma amostra de nós de mercado global, com informação histórica para o período 2019-2021, e projecção
em modelos matemáticos inferenciais. A política da cadeia de bloqueio previu uma variabilidade positiva de
62% para o activo, e a sua equivalência em dólares americanos para o último trimestre de 2021; de US$123 a
US$212 por unidade não fiduciária. A bondade do ajuste da dupla suavização exponencial foi evidenciada pelo
coeficiente de ajuste R2=0,792, na avaliação projectada; nível de confiança de 97%. Entretanto, o ajustamento
multivariado influenciou positivamente o aumento do valor da moeda criptográfica em 72%. A evolução do
preço simbólico explicou uma variabilidade positiva de 9,12%; passando de US$401 para US$419 em média.
Se o limite superior atingir US$220/XMR, a recomendação é de trocar o seu valor por uma moeda "fiat"; depois
esperar por uma queda acentuada abaixo de US$160 para comprar XMR. Este é o cenário de retorno ideal para
o investidor em moedas criptográficas em 2022 30
Palavras-chave: mineração; nó; suavização exponencial; tendência; variabilidade; mineração; suavização
exponencial; tendência; variabilidade.
1. Introducción
Para hacer un pronóstico sincerado sobre Monero, debe entenderse tanto el panorama
general del mercado como los procesos que se efectúan en ese momento; esto ocurre en la
presente investigación, por medio de modelos matemáticos inferenciales. Para determinar el
sentimiento global del mercado en el par XMR USD, vamos a realizar un análisis técnico
del timeframe más amplio. La moneda digital de XMR, puede utilizarse para pagar las cuotas
Mount Scopus Journal ISSN: 2810-840X (En línea) Volumen 2. Número 2. enero-marzo 2022.
Recibido: 28/12/2021, Aceptado: 25/02/2022, Publicado: 27/03/2022
www.scopusrevista.es
de transacción y los servicios informáticos en la red XMR; en general dentro de los activos
normales de trading (Banco Interamericano de Desarrollo, 2019).
2. Metodología
variación de la moneda digital XMR depende del valor de apertura en un rango de máximo
y mínimo histórico. Entonces, se ejecutó el modelado matemático, en donde la variable
dependiente es el Último valor cotizado, mientras que la Apertura es de tipo independiente
(Pérez, 2020). Para ello, se proponen estadísticos de alisado exponencial doble, ajuste de
regresión lineal y prueba t-student para las variables XMR (Ayala Aristizábal, 2021).
Posteriormente, se debate sobre la aceptación o rechazo de la hipótesis nula: La tasa de
32
crecimiento de la criptomoneda XMR es dependiente del valor cotizado de apertura.
2.1.Prueba t de student
El panorama ideal para estimar intervalos de confianza o aplicar una prueba de hipótesis
apoyados en la distribución T-student, son análogos al teorema del límite central (de la Rosa
Mendoza et al., 2018). Para la investigación, el criterio de selección de ajuste de los datos es
para una distribución de normalidad. Los datos son normales sí; las muestras que se
comparan, a pesar de que la condición de normalidad recae sobre estas, normalmente no se
dispone de información sobre ellas por lo que las muestras tienen que distribuirse de forma
aproximadamente normal. En caso de cierta asimetría los t-test son significativamente
robustos cuando el tamaño de las muestras es por lo menos (N = 60). Este es el caso para el
artículo, tenemos sesenta datos del histórico de la criptomoneda XMR, para el período
Agosto 2019 – Octubre 2020.
Se desea validar si cada una de las muestras tiene una distribución normal. El
procedimiento por seguir es:
Mount Scopus Journal ISSN: 2810-840X (En línea) Volumen 2. Número 2. enero-marzo 2022.
Recibido: 28/12/2021, Aceptado: 25/02/2022, Publicado: 27/03/2022
www.scopusrevista.es
Una vez establecidas las variables, se comprueba que las varianzas sean homogéneas;
En caso de homogeneidad en esas varianzas:
33
a) Establecer la discrepancia entre las medias: m1-m2
Dónde:
La regresión lineal simple verifica la relación lineal entre dos variables continuas: una
variable dependiente (Z) y una variable de expectativa (T). Se ha demostrado que las dos
variables están relacionadas, por lo que es posible predecir el valor de la respuesta a partir
del valor esperado con mayor precisión que el valor solo por probabilidad (Altman y
Krzywinski, 2015). La regresión proporciona la mejor línea de ajuste para los datos. Esta
permite modelar el comportamiento histórico futuro del último valor XMR enumerado a lo
largo del tiempo. El modelo matemático que se aplicó en el estudio es:
Z = B0 + M1T1 (EC. 3)
Donde,
B0: es el punto de corte con la ordenada Z
M1: es el coeficiente de la abscisa T
3. Resultados
19/01/202
61.5 67.1 69.0 58.2 -2.4
0
26/01/202
73.2 61.5 75.9 61.0 -4.9
0
2/02/2020 80.6 73.2 81.7 73.2 -20.0
9/02/2020 89.1 80.6 96.9 80.6 -10.0
16/02/202
79.0 89.1 92.0 75.1 6.8
0 36
23/02/202
66.1 79.0 86.3 66.1 12.0
0
1/03/2020 65.6 66.1 70.1 63.4 4.1
8/03/2020 36.2 65.6 65.6 25.5 59.8
15/03/202
41.1 36.1 45.2 29.3 -15.2
0
22/03/202
47.0 41.1 51.3 37.8 -28.9
0
29/03/202
53.7 47.0 54.9 43.8 -15.7
0
5/04/2020 53.0 53.7 60.0 51.8 -18.2
12/04/202
57.2 53.0 58.4 50.8 1.9
0
19/04/202
60.0 57.2 62.3 53.5 -5.3
0
26/04/202
64.3 60.0 67.9 59.3 -10.9
0
3/05/2020 62.9 64.3 65.3 57.2 3.4
10/05/202
65.4 62.9 65.9 54.4 5.1
0
17/05/202
63.5 65.4 67.7 60.1 -10.6
0
24/05/202
68.3 63.5 68.7 60.2 -0.1
0
31/05/202
67.7 68.3 70.1 63.4 -5.4
0
7/06/2020 66.5 67.7 70.0 63.1 0.5
14/06/202
64.1 66.5 66.9 62.0 1.8
0
Mount Scopus Journal ISSN: 2810-840X (En línea) Volumen 2. Número 2. enero-marzo 2022.
Recibido: 28/12/2021, Aceptado: 25/02/2022, Publicado: 27/03/2022
www.scopusrevista.es
21/06/202
62.1 64.1 67.4 60.4 2.6
0
28/06/202
64.2 62.1 66.7 61.8 -2.4
0
5/07/2020 68.7 64.2 69.8 61.4 0.6
12/07/202
68.4 68.7 72.4 66.6 -8.5
0
19/07/202 37
73.6 68.4 74.0 67.7 -1.7
0
26/07/202
89.6 73.6 90.0 73.1 -8.0
0
2/08/2020 94.9 89.6 96.6 78.8 -7.8
9/08/2020 89.9 94.9 95.0 84.4 -7.0
16/08/202
94.6 89.9 105.8 88.1 -4.4
0
23/08/202
92.5 94.5 95.5 85.7 2.6
0
30/08/202
77.5 92.5 97.6 74.0 13.7
0
6/09/2020 86.1 77.5 86.4 75.1 -1.5
13/09/202
93.5 86.1 94.3 83.8 -11.6
0
20/09/202
94.2 93.5 95.0 84.7 -1.1
0
27/09/202
103.0 94.2 112.7 93.1 -10.0
0
4/10/2020 114.4 103.0 117.6 100.9 -8.4
11/10/202
118.8 114.9 133.6 113.2 8.3
0
Fuente: (Fusion Media Ltd., 2020)
3.1.Prueba T-student
Tabla 2. Prueba t para la variable Último (US$), con un Intervalo de confianza para la media
al 95% [ 63.969; 72.956]
Diferencia 67
t (Valor 38
observado) 30
|t| (Valor crítico) 2
GL 59
valor-p (bilateral) < 0.0001
alfa 0.05
Tabla 3. Prueba t para la variable Apertura (US$), con un Intervalo de confianza para la
media al 95% [-44; 402]
Diferencia 179
t (Valor
observado) 1.511
|t| (Valor crítico) 2.001
Mount Scopus Journal ISSN: 2810-840X (En línea) Volumen 2. Número 2. enero-marzo 2022.
Recibido: 28/12/2021, Aceptado: 25/02/2022, Publicado: 27/03/2022
www.scopusrevista.es
GL 59
valor-p (bilateral) 0.113
alfa 0.05
Mínim
Variable Máximo Media Desv. típica
o
Error
Estadístico Parámetro
estándar
alfa 1.55 2.15E-14
S1 68
S2 0.000
Mount Scopus Journal ISSN: 2810-840X (En línea) Volumen 2. Número 2. enero-marzo 2022.
Recibido: 28/12/2021, Aceptado: 25/02/2022, Publicado: 27/03/2022
www.scopusrevista.es
Estadístico Valor
Observacione
s 60
GL 44
MAPE 11
MPE 1.722
MAE 6.366
R2 0.802
Iteraciones 501
Figura 1. Gráfico de suavizado exponencial de los datos, para la predicción del valor Último
de la Criptomoneda XMR en el periodo Agosto 2019 – Octubre 2020.
200
150
100
50
0
25/08/2019 25/11/2019 25/02/2020 25/05/2020 25/08/2020
-50
Fecha
Se ejecutó un análisis de regresión lineal para estimar si se ajusta mejor o peor al modelo
exponencial, primero se efectúa un análisis de varianza, y este indica que la probabilidad
(Pr) es menor a F (<0.0001), explicando que los datos se ajustan a una linealidad, ver Tabla
8.
Suma de Cuadrados 43
Fuente GL F Pr > F
cuadrados medios
Modelo 4 15105 3782 392 <0.0001
Error 43 431 12
Total corregido 47 15536
1.2
1
COEFICIENTES ESTANDARIZADOS
0.8
0.6
0.4
Mínimo US$
0.2 Máximo US$
0 Variación %
Apertura US$
-0.2
-0.4
-0.6
VARIABLE
500
400
300
Último US$
200
100
0
0 100 200 300 400 500
Pred(Último US$)
4. Discusión
¿Por qué subió el precio de Monero recientemente después de una caída tan grande en 2018?,
el gigante del trading LiteFinance Global LLC (2021) denominó a Monero, el gigante
durmiente, por una razón. Monero es una criptomoneda líder con un enfoque basado en
transacciones privadas, anónimas y resistentes a la censura, tiene cadenas de bloques
Mount Scopus Journal ISSN: 2810-840X (En línea) Volumen 2. Número 2. enero-marzo 2022.
Recibido: 28/12/2021, Aceptado: 25/02/2022, Publicado: 27/03/2022
www.scopusrevista.es
transparentes; esto significa que todas las transacciones pueden ser rastreadas y verificadas.
Además, las direcciones de envío y recepción del minado pueden vincularse a la verdadera
identidad del inversor.
Esta información basada en las predicciones en tiempo real de los agentes de minado
más importantes ha despertado el interés de la banca pública y banco de reserva del estado,
este es un fenómeno social de gran impacto en la cultura económica fiduciaria tradicional. 45
¿Cómo explicar este escenario de inversión en una moneda digital?, tomando en
consideración que la idea viene del sector inversión de capitales tangibles. Entrando en
contexto, en España el experto en negocios digitales Lartaun de Azumendi, explicó que, a
diferencia de las criptomonedas, que no tienen un valor intrínseco; las monedas digitales
tienen un respaldo del banco central (BBVA, 2021). En este sentido, el máximo responsable
del Banco Central de la Reserva del Perú (BCRP), anunció hace unos meses que la
organización estaba valorando la posibilidad de crear una moneda digital, y ahora ha
decidido que no será lo mismo que una criptomoneda (Velarde, 2022).
A su vez, Carlos Torres Vila, presidente de BBVA informó que “La apuesta
estratégica por la innovación es una de las señas de identidad de BBVA y la vía digital nos
abre un camino para crecer en mercados muy atractivos” (BBVA, 2022). El experto en
economía Oriol Carreras Baker, confirmó que Estados Unidos ha tipificado las
criptomonedas como activos financieros en términos de tratamiento fiscal. Algunos países
también han comenzado a regular a los principales actores del ecosistema de criptomonedas,
como los portales de intercambio de criptomonedas para monedas tradicionales. Sin
embargo, otros países han tomado una postura más hostil, como es el caso de la República
Popular China, cuyo gobierno ha impuesto severas restricciones al uso de criptomonedas en
amplios sectores de su economía (CaixaBank, 2018).
47
5. Conclusión
6. Referencias bibliográficas
Altman, N., & Krzywinski, M. (2015). Association, correlation and causation. Nature methods,
12(10), 899–900. https://doi.org/10.1038/nmeth.3587
BBVA. (15 de noviembre de 2021). Euro digital: en qué consiste el proyecto del BCE y qué
implicaciones tiene. https://www.bbva.com/es/podcast-euro-digital-en-que-consiste-el-proyecto-del-bce-y-
que-implicaciones-tiene/
BBVA. (14 de febrero de 2022). BBVA invierte 300 millones de dólares en el banco digital brasileño
Neon. https://www.bbva.com/es/bbva-invierte-300-millones-de-dolares-en-el-banco-digital-brasileno-neon/
Comisión Económica para América Latina y el Caribe (2019). La Inversión Extranjera Directa en
América Latina y el Caribe (LC/PUB.2019/16-P), Editorial de la Naciones Unidas,
https://repositorio.cepal.org/bitstream/handle/11362/44697/8/S1900448_es.pdf
Cortez, A., & Tulcanaza, A. (2018). Bitcoin: su influencia en el mundo global y su relación con el
mercado de valores. Revista Chakiñan de Ciencias Sociales y Humanidades, (5), 54-72.
http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2550- 49
67222018000100054&lng=es&tlng=es.
de la Rosa Mendoza, J. R., Ludlow Wiechers, J., & León León, J. (2018). Restricción externa al
crecimiento por balanza de pagos en México (Balance of Payments external constrained growth in Mexico).
Análisis Económico, 33(83), 29–55. https://doi.org/10.24275/uam/azc/dcsh/ae/2018v33n83/Delarosa
Fusion Media Ltd. (2007-2020). Visible body: Monero. Madrid, ESP.: M.S Fusion Media Ltd.
Recuperado de https://es.investing.com/crypto/monero/historical-data
Haldane, J. (1927). Una teoría matemática de la selección natural y artificial. Actas Matemáticas de
la Sociedad Filosófica de Cambridge, 23(5), 607-615. https://doi.org/10.1017/S0305004100011750
Herrera Rodríguez, E., & Ordóñez Castaño, I. (2019). Recursos intangibles revelados a través del
mercado de valores de Panamá. Contaduría y administración, 64(4), e126.
https://doi.org/10.22201/fca.24488410e.2018.1694
Iwamura, M., Kitamura, Y., Matsumoto, T., & Saito, K. (2010). Can We Stabilize the Price of a
Cryptocurrency?: Understanding the Design of Bitcoin and Its Potential to Compete with Central Bank Money.
SSRN Electronic Journal, 60(1), 41–60. https://doi.org/10.2139/ssrn.2519367
LiteFinance Global LLC. (29 de noviembre de 2021). Pronóstico de Monero: precio de XMR/USD
para el año 2021, 2023, 2025, 2030 y más. https://www.litefinance.com/es/blog/analysts-opinions/prediccion-
precio-monero/
Luther, W. J. (2015). Bitcoin and the Future of Digital Payments. SSRN Electronic Journal, 20(3),
397–404. https://doi.org/10.2139/ssrn.2631314
Mohil Maheshkumar P., Sudeep T., Rajesh G. & Neeraj K. (2020). A Deep Learning-based
Cryptocurrency Price Prediction Scheme for Financial Institutions. Journal of Information Security and
Applications, 55, e102583. https://doi.org/10.1016/j.jisa.2020.102583
Pérez-Laurrabaquio, O. (2020). Política monetaria de economías abiertas: el rol del tipo de cambio
en México. Revista de Análisis Económico – Economic Analysis Review, 35(1), 27. Retrieved
from https://www.rae-ear.org/index.php/rae/article/view/603/275275300
Mount Scopus Journal ISSN: 2810-840X (En línea) Volumen 2. Número 2. enero-marzo 2022.
Recibido: 28/12/2021, Aceptado: 25/02/2022, Publicado: 27/03/2022
www.scopusrevista.es
Quiñones Huatangari, L., Ochoa Toledo, L., Gamarra Torres, O., Bazán Correa, J., Delgado
Soto, J., & Kemper Valverde, N. (2020). Red neuronal artificial para estimar un índice de calidad de
agua. Enfoque UTE, 11(2), 109-120. https://dx.doi.org/10.29019/enfoque.v11n2.633
Sánchez Navarro, D., Herrera Saavedra, J., García Pabón, A., & Campo Robledo, J. (2019). Un
modelo microeconométrico para el análisis de integraciones empresariales: el caso del mercado de bebidas
isotónicas. Revista de Análisis Económico – Economic Analysis Review, 34(1), 111-130. https://www.rae-
ear.org/index.php/rae/article/view/528/275275293
Velarde, J. (18 de febrero del 2022). BCR proyecta tener avances de su moneda digital en mes y
medio. RPP Noticias. https://rpp.pe/economia/economia/bcr-proyecta-tener-avances-de-su-moneda-digital- 50
en-mes-y-medio-noticia-1387503?ref=rpp
Weisberg, S. (2005). Regresión lineal aplicada. 3ra ed. Hoboken, Nueva Jersey: Wiley, p.285.