Las criptomonedas se comercian actualmente en todo el mundo, con cientos de diferentes monedas en existencia y aún más en camino. Este estudio implementa algunos enfoques estadísticos y de aprendizaje automático para inversiones en criptomonedas. Primero, implementamos un modelo para estimar la volatilidad de diez criptomonedas populares basadas en la capitalización de mercado: Bitcoin, Bitcoin Cash, Bitcoin SV, Chainlink, EOS, Ethereum, Litecoin, TETHER, Tezos y XRP. Luego, utilizamos simulaciones de Monte Carlo para generar la varianza condicional de las criptomonedas utilizando el modelo y calcular el valor en riesgo (VaR) de las simulaciones. También estimamos el riesgo de cola utilizando la validación de VaR. Finalmente, utilizamos una red neuronal artificial para predecir los precios de las diez criptomonedas. El análisis gráfico y los errores cuadráticos medios de los modelos confirmaron que los precios predichos están cerca de los precios de mercado. Para algunas criptomonedas, los modelos funcionan mejor que los modelos tradicionales.