Conclusion

Ce projet a démontré la faisabilité l’efficacité d’une approche hybride pour la prédiction du prix du Bitcoin en combinant modèles de Deep learning, les données macro-économiques et l’information issue des réseaux sociaux avec des résultats satisfaisant. Il a établi une base solide pour la prédiction du prix des cryptomonnaies à court terme. Les résultats obtenus démontrent que :

• Les architectures hybrides CNN-LSTM surpassent significativement les approches traditionnelles

• L’optimisation systématique via Optuna est cruciale pour les modèles temporels complexes

• La précision directionnelle ~ 70% a une valeur opérationnelle réelle pour les traders.

Cependant une grande marge d’amélioration existe avec l’intégration de données plus spécifiques et pouvant apporter une réelle amélioration comme les tweets ou l’activité des comptes baleines.