Une revue publiée en mai 2026 par Carlos Baquero de l’Université de Porto conclude qu’aucun modèle de prévision du prix du Bitcoin n’a démontré de supériorité durable par rapport aux références naïves sur des horizons de un à six mois, et ce malgré des centaines d’articles publiés. Les modèles complexes comme ARIMA, Prophet, les forêts aléatoires, XGBoost, les réseaux LSTM et N-BEATS se sont révélés incapables de battre systématiquement les prévisions naïves sur le Bitcoin et quatre autres cryptomonnaies majeures à des horizons de un, sept et trente jours. Le problème central réside dans la non-stationnarité du marché du Bitcoin, dont la structure évolue entre les cycles (marché de détail de 2017, produits dérivés de 2021, ETF spot de 2024), rendant caduques les relations apprises sur des données historiques. Les modèles d’évaluation populaires comme le stock-to-flow, la loi de Metcalfe et les lois de puissance, bien qu’intuitivement plausibles, n’ont montré qu’une capacité prédictive limitée ou nulle hors échantillon selon les travaux d’Alexander Shelton et de Savva Shanaev. La revue souligne la nécessité de standards d’évaluation plus exigeants, incluant des fenêtres de conservation non chevauchantes couvrant différents régimes de marché, des comparaisons avec les références naïves et une publication transparente du nombre de variations testées.
Source: Lire l’article original
