La criptomoneda es un nuevo tipo de activo que ha surgido como resultado del avance de la tecnología financiera y ha creado una gran oportunidad para investigaciones. La predicción de precios de criptomonedas es difícil debido a la volatilidad de los precios y la dinámica. En todo el mundo, se utilizan cientos de criptomonedas. Este artículo propone tres tipos de algoritmos de red neuronal recurrente (RNN) utilizados para predecir los precios de tres tipos de criptomonedas, a saber, Bitcoin (BTC), Litecoin (LTC) y Ethereum (ETH). Los modelos muestran excelentes predicciones dependiendo del error porcentual absoluto medio (MAPE). Los resultados obtenidos de estos modelos muestran que la unidad recurrente con compuertas (GRU) tuvo un mejor rendimiento en la predicción para todos los tipos de criptomonedas que los modelos de memoria a corto y largo plazo (LSTM) y LSTM bidireccional (bi-LSTM). Por lo tanto, se puede considerar como el mejor algoritmo. GRU presenta la predicción más precisa para LTC con porcentajes de MAPE de 0.2454%, 0.8267% y 0.2116% para BTC, ETH y LTC, respectivamente. El algoritmo bi-LSTM presenta el resultado de predicción más bajo en comparación con los otros dos algoritmos, ya que los porcentajes de MAPE son: 5.990%, 6.85% y 2.332% para BTC, ETH y LTC, respectivamente. En general, los modelos de predicción en este artículo representan resultados precisos cercanos a los precios reales de las criptomonedas. La importancia de tener estos modelos es que pueden tener importantes repercusiones económicas al ayudar a los inversores y comerciantes a identificar ventas y compras de criptomonedas. Como plan para trabajos futuros, se hace una recomendación de investigar otros factores que podrían afectar los precios del mercado de criptomonedas, como las redes sociales, los tweets y el volumen de operaciones.