3. *Stock-to-Flow-Modell*: Dieses Modell basiert auf der Idee, dass der Preis von Bitcoin an seine Knappheit gebunden ist. Das "Stock-to-Flow"-Verhältnis misst den aktuellen Bestand (insgesamt verfügbare Bitcoins) geteilt durch den Fluss (neu geschürfte Münzen). Ein hohes Stock-to-Flow-Verhältnis impliziert eine größere Knappheit und führt laut dem Modell im Laufe der Zeit zu höheren Preisen. Obwohl dieses Modell einige Erfolge bei der Vorhersage des langfristigen Wachstums von Bitcoin gezeigt hat, ist es nicht ohne Kritiker.
4. *Stimmungs- und Nachrichtenanalyse*: Da Bitcoin stark von Nachrichten und öffentlicher Stimmung beeinflusst wird, verwenden viele Händler Stimmungsanalyse-Tools, die Online-Gespräche über Bitcoin verfolgen. Positive Nachrichten, wie institutionelle Investitionen oder regulatorische Klarheit, führen oft zu Preisanstiegen. Umgekehrt können negative Nachrichten wie staatliche Maßnahmen oder Sicherheitsverletzungen zu Abstürzen führen.
5. *Maschinenlernmodelle*: Mit der zunehmenden Nutzung von künstlicher Intelligenz verwenden einige fortgeschrittene Modelle Maschinenlernalgorithmen, um den Preis von Bitcoin vorherzusagen. Diese Modelle verlassen sich auf große Datensätze, um Muster zu identifizieren und zukünftige Bewegungen vorherzusagen. Obwohl vielversprechend, befinden sich Maschinenlernmodelle für Kryptowährungen noch in der Kindheit und können sehr unvorhersehbar sein.
