El propósito de este estudio fue identificar y medir el impacto de los diferentes efectos de los estados de entropía sobre el comercio de alta frecuencia del mercado de criptomonedas, especialmente en Bitcoin, utilizando y seleccionando parámetros óptimos del enfoque bayesiano, específicamente a través de la aproximación bayesiana aproximada (ABC). ABC corresponde a una clase de métodos computacionales arraigados en la estadística bayesiana que podrían utilizarse para estimar las distribuciones posteriores de los parámetros del modelo. Para esta investigación, se aplicó ABC para estimar los precios diarios de la criptomoneda Bitcoin desde mayo de 2013 hasta diciembre de 2021. Los hallazgos sugieren que el comportamiento de los parámetros para nuestros algoritmos de negociación probados, en los que se observan saltos repentinos, puede interpretarse como cambios en los estados de la serie temporal generada. Además, es posible identificar y modelar los efectos de la pandemia de COVID-19 en las series analizadas en la investigación. Finalmente, la principal contribución de esta investigación es que hemos caracterizado la relación entre la entropía y la evolución de los parámetros que definen la selección óptima de algoritmos de negociación en la industria financiera.