Celem przeprowadzonych badań było porównanie skuteczności nowoczesnych modeli sztucznej inteligencji, w szczególności sieci neuronowych (LSTM i GRU), z klasycznymi metodami statystycznymi, takimi jak modele ARIMA, w prognozowaniu krótkoterminowych zmian cen kryptowalut. Analiza została przeprowadzona na danych godzinowych dla wybranych kryptowalut, co pozwala na bardzo szczegółowe uchwycenie dynamiki rynku. W badaniu zastosowano podejście polegające na generowaniu wielu kolejnych prognoz w czasie, co umożliwia ocenę rzeczywistej skuteczności modeli w warunkach zbliżonych do rzeczywistych decyzji inwestycyjnych. Wyniki wskazują, że modele oparte na sztucznej inteligencji często osiągają lepsze rezultaty niż tradycyjne metody, szczególnie w okresach wysokiej zmienności rynku. Jednocześnie nie zawsze są one stabilne i ich przewaga nie jest jednoznaczna w każdym przypadku. Uzyskane rezultaty mają istotne znaczenie zarówno dla inwestorów, jak i instytucji finansowych, ponieważ pokazują możliwości oraz ograniczenia wykorzystania zaawansowanych metod analizy danych w praktyce. Badanie przyczynia się również do lepszego zrozumienia zachowania rynku kryptowalut oraz roli nowoczesnych technologii w analizie finansowej.