O mercado financeiro atrai a atenção de muitos há séculos, abrangendo ativos variados, como arroz, ouro e ações. A flutuação dos preços pode indicar eventos importantes, e prever tais eventos pode determinar o sucesso ou fracasso de um negócio. Diversas técnicas de previsão, como a análise técnica e fundamentalista, surgiram ao longo dos anos. Recentemente, redes neurais artificiais, especialmente as combinadas com células de memória Long Short-Term Memory (LSTM), obtiveram sucesso na identificação de padrões em séries temporais antes despercebidos. Paralelamente, mercados voláteis como o de criptomoedas emergiram após o Bitcoin e a Blockchain em 2008, oferecendo alternativas para combater a inflação e o controle centralizado. Este estudo visa analisar e comparar algoritmos, em uma base de dados real, que buscam predizer o comportamento dos ativos em mercados voláteis, principalmente no contexto do Bitcoin. Foram utilizadas diferentes abordagens baseadas em artigos recentes, obtendo-se um melhor desempenho em modelos estatísticos no intervalo de quinze minutos.