Nghiên cứu gần đây từ Kaiko, Binance Research và các nhóm học thuật cho thấy các mô hình AI, bao gồm cả mạng nơ-ron, chỉ có độ chính xác dự đoán hạn chế trên thị trường tiền điện tử. Các mô hình học máy cổ điển chỉ đạt độ chính xác cao hơn ngẫu nhiên từ 2 đến 6%, trong khi các mô hình tiên tiến như LSTM và GRU đạt khoảng 8%, nhưng chỉ trong các khoảng thời gian thử nghiệm ngắn. Những mô hình này gặp khó khăn với dữ liệu mới do sự thay đổi chế độ thị trường, tăng nhiễu và các sự kiện kinh tế vĩ mô, dẫn đến sự giảm đáng kể độ chính xác trong các giai đoạn biến động cao. Các thuật toán sổ lệnh có thể giải thích từ 15 đến 25% các biến động vi mô nhưng chỉ hiệu quả trong các khoảng thời gian ngắn với thanh khoản sâu. Các tín hiệu trên chuỗi, như dòng tiền lớn từ stablecoin hoặc dòng tiền Bitcoin đáng kể, cung cấp các mối tương quan hữu ích nhưng không đảm bảo dự đoán chính xác. Các chuyên gia khuyến nghị sử dụng các mô hình tập hợp, theo dõi sự dịch chuyển dữ liệu và kết hợp các bộ lọc chế độ để cải thiện hiệu quả của AI. Tuy nhiên, AI nên là một phần của chiến lược rộng hơn bao gồm dữ liệu trên chuỗi, phân tích sổ lệnh và các mô hình quản lý rủi ro nhằm nâng cao quyết định trong giao dịch tiền điện tử.