🚀 BitcoinInsight

Sistema de predicción direccional de Bitcoin con inteligencia artificial

📖 Descripción

BitcoinInsight es un sistema de predicción direccional de Bitcoin que combina machine learning avanzado con análisis de sentimiento para predecir movimientos de precio diarios. Desarrollado como Trabajo de Fin de Grado en Ingeniería en Matemática Aplicada al Análisis de Datos.

✨ Características Principales

• 🤖 Modelo LightGBM optimizado con ROC-AUC de 0.578 (+15.6% vs predicción aleatoria)
• 📰 Análisis de Sentimiento de noticias financieras con RoBERTa
• ⚡ API REST con datos en tiempo real de Coinbase Pro
• 📊 Dashboard Responsive con visualizaciones interactivas
• 🔄 Automatización Diaria via GitHub Actions (02:00 UTC)
• 🔒 Seguridad y privacidad by design

🛠️ Stack Tecnológico

Backend: Python 3.10+, FastAPI, LightGBM, scikit-learn, RoBERTa
Frontend: React 18, TypeScript, Tailwind CSS, Recharts
Base de Datos: Supabase (PostgreSQL)
APIs: Coinbase Pro, GNews, TheNews
Deploy: GitHub Actions, Docker

🚀 Instalación

1. Clonar y configurar

git clone https://github.com/alexquilis1/BitcoinInsight.git
cd BitcoinInsight

Backend

python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt

Frontend

cd frontend
npm install

2. Variables de entorno

Crear un archivo .env en la raíz:

SUPABASE_URL=your_supabase_url
SUPABASE_KEY=your_supabase_key
GNEWS_API_KEY=your_gnews_api_key
THENEWS_API_KEY=your_thenews_api_key

3. Ejecutar

Backend (Puerto 8000)

python main.py

Frontend (Puerto 3000)

cd frontend
npm start

Accede a: http://localhost:3000

📊 API Endpoints

Método	Endpoint	Descripción
GET	/api/prediction/tomorrow	Predicción para mañana
GET	/api/prediction/latest	Última predicción
GET	/api/predictions/history?days=7	Historial
POST	/api/prediction/generate	Generar predicción
GET	/api/bitcoin/realtime	Precio actual

Ejemplo de uso

import requests

response = requests.get("http://localhost:8000/api/prediction/tomorrow")
data = response.json()

if data["has_prediction"]:
    prediction = data["prediction"]
    direction = "📈 SUBIDA" if prediction["price_direction"] == 1 else "📉 BAJADA"
    confidence = prediction["confidence_score"]
    print(f"Predicción: {direction} (Confianza: {confidence:.1%})")

🧠 Modelo de Machine Learning

Metodología

• Enfoque Multimodal: Análisis técnico + sentimiento + contexto macroeconómico
• Algoritmo: LightGBM optimizado con Optuna (25 iteraciones)
• Características: 13 variables (6 técnicas + 7 sentimiento)
• Validación: TimeSeriesSplit para evitar data leakage
• Dataset: 262 observaciones (2024), distribución equilibrada 50%-50%

Hallazgos Científicos

• Efecto Contrario del Sentimiento: Sentimiento negativo moderado → 67.3% probabilidad de subida
• Superioridad de Modelos Simples: LightGBM > Redes Neuronales complejas
• Integración Multimodal: +12.9% mejora vs enfoques puros

🔄 GitHub Actions

Configurar secrets en Settings > Secrets and variables > Actions:

SUPABASE_URL=your_supabase_url
SUPABASE_KEY=your_supabase_key
GNEWS_API_KEY=your_gnews_api_key
THENEWS_API_KEY=your_thenews_api_key

El sistema ejecuta automáticamente cada día:

• Recolecta datos de Coinbase Pro y noticias
• Procesa características
• Genera predicción para el día siguiente
• Almacena en Supabase

🔒 Seguridad y Privacidad

• ❌ Sin registro de usuarios requerido
• ❌ Sin cookies de seguimiento
• ❌ Sin almacenamiento de datos personales
• ✅ Logs temporales (auto-eliminados cada 24h)
• ✅ Variables de entorno para secrets
• ✅ Rate limiting y validación de entrada

🤝 Contribuir

• Fork el repositorio
• Crea una rama: git checkout -b feature/nueva-feature
• Commit: git commit -m 'Add nueva feature'
• Push: git push origin feature/nueva-feature
• Abre un Pull Request

📄 Licencia

Licencia Personalizada - ver LICENSE para detalles.

Nota: El uso comercial requiere notificación y puede requerir permiso. Contactar para consultas de licenciamiento comercial.

👨‍💻 Autor

Alex Quilis Vila
🎓 Grado en Ingeniería en Matemática Aplicada al Análisis de Datos
🏫 Universidad Europea de Madrid (2024-2025)
👨‍🏫 Director: Álvaro Sánchez Pérez

⚠️ Disclaimer

BitcoinInsight es un proyecto académico y educativo.

• ❌ NO constituye asesoramiento financiero
• ❌ NO debe ser la única base para inversiones
• ✅ Para fines educativos e informativos
• ⚠️ El mercado crypto es altamente volátil

Desarrollado con ❤️ para la comunidad Bitcoin