Ovaj rad pruža sveobuhvatan pristup predviðanju cijena, prinosa, smjera i volatilnosti Bitcoina. Prediktivne sposobnosti ARIMA i GARCH modela se usporeðuju s autoregresijskom i Jordanovom neuronskom mrežom (NM), koristeći unutarnje i vanjske čimbenike. Robusnost rezultata verificira se u uvjetima pada, rasta i stabilnosti tržišta. Rezultati nisu jednoznačni s obzirom na predviðanje cijena, prinosa ili volatilnosti, te kada se usporeðuju pomoću različitih mjera performansi ili kroz različita razdoblja. NM općenito su optimalne za predviðanje prinosa i smjera, ARIMAX i NNARX za predviðanje cijena, dok za predviðanje volatilnosti svi modeli daju usporedive rezultate. Predviðanje cijena donosi najbolju točnost predviðanja, dok JNNX imaju najlošije rezultate. Meðutim, uključivanje drugih metoda strojnog učenja i/ili različitih varijabli, kao i nedavne krize proizašle iz ratnih okolnosti mogu se smatrati ograničavajućim čimbenicima.