En los últimos años, la atención de inversores, profesionales y académicos ha crecido en torno a las criptomonedas. Inicialmente, la criptomoneda fue diseñada como una implementación viable de moneda digital y, posteriormente, se produjeron numerosos derivados en una variedad de sectores, incluyendo actividades no monetarias, transacciones financieras e incluso gestión de capital. La alta volatilidad de los tipos de cambio es una de las principales características de las criptomonedas. El artículo presenta una forma interesante de estimar la probabilidad de los clústeres de volatilidad de las criptomonedas. En este sentido, el documento explora metodologías híbridas exponenciales GARCH (o EGARCH) y, a través de su representación como un activo financiero, los modelos ANN proporcionarán una visión analítica sobre el bitcoin. Mientras tanto, se necesita un modelado más escalable para ajustar las características de las variables financieras, como los modelos ANN, debido a la estructura de asociación dinámica y no lineal entre las variables financieras. Para la previsión financiera, el BP se encuentra entre los métodos más populares de entrenamiento de redes neuronales. El método de retropropagación se emplea para entrenar los dos modelos y determinar cuál de ellos tiene un mejor rendimiento en términos de predicción. Esta arquitectura consiste en una capa oculta y una capa de entrada con N neuronas. El trabajo teórico reciente sobre el comportamiento de los retornos de criptoactivos y la gestión de riesgos está respaldado por esta investigación. En comparación con otras clases de activos tradicionales, estos resultados proporcionan datos apropiados sobre el comportamiento, lo que les permite adoptar la decisión de inversión adecuada. Las conclusiones del estudio se basan en una comparación entre las características dinámicas de las criptomonedas y el activo financiero masivo tradicional de las divisas FOREX. Así, el resultado ilustra cuán bien los clústeres de probabilidad muestran el impacto en las criptomonedas y las divisas. Esta investigación abarca el período de muestra entre agosto de 2017 y agosto de 2020, ya que la criptomoneda se volvió popular alrededor de ese período. La metodología siguiente fue implementada y simulada utilizando el software Eviews y SPSS. La evaluación del rendimiento de las criptomonedas se compara con las divisas FOREX para un mejor estudio comparativo respectivamente.