Bitcoin, la criptomoneda más grande, es extremadamente volátil y por lo tanto necesita un mejor modelo para su fijación de precios. En la literatura, muchos investigadores han estudiado el efecto de la normalización de datos en el análisis de regresión para la predicción del precio de las acciones. ¿Cómo ha afectado la normalización de datos a la predicción del precio de Bitcoin? Para responder a esta pregunta, este estudio analizó la precisión de predicción de una red neuronal basada en polinomios de Legendre optimizada por el algoritmo de escalada de mono mutado utilizando nueve técnicas de normalización de datos existentes. Se propuso una nueva técnica de normalización dual para mejorar la eficiencia de este modelo. Las 10 técnicas de normalización fueron evaluadas utilizando 15 métricas de error mediante un enfoque de toma de decisiones multicriterio (MCDM) llamado técnica para el rendimiento del pedido por similitud a la solución ideal (TOPSIS). El efecto de las tres mejores técnicas de normalización junto con la normalización min-max fue estudiado más a fondo para las redes neuronales basadas en polinomios de Chebyshev, Laguerre y trigonométricos en tres conjuntos de datos diferentes. La precisión de predicción de los 16 modelos (cada una de las cuatro redes neuronales basadas en polinomios con cuatro técnicas de normalización diferentes) fue calculada utilizando 15 métricas de error. Se realizó un análisis TOPSIS de 16 x 15 para clasificar los modelos. La trama de convergencia y la clasificación de los modelos indicaron que la normalización de datos juega un papel significativo en la capacidad de predicción de un predictor de precios de Bitcoin. Este documento puede contribuir significativamente a la investigación con una nueva técnica de normalización para su utilización en diversos campos de investigación. También puede contribuir a las finanzas internacionales como una herramienta de toma de decisiones para diferentes inversores y partes interesadas en la fijación de precios de Bitcoin.