Las criptomonedas son actualmente vistas como una oportunidad de inversión, ya que muestran algunas características peculiares, como alta volatilidad y propiedades de diversificación, que están generando interés en la investigación para investigar sus diferencias con los activos tradicionales. En nuestro documento, abordamos el problema de la previsibilidad de las tendencias de criptomonedas y acciones utilizando datos de comunidades en línea y plataformas sociales para evaluar su contribución en términos de poder predictivo. Ampliamos los desarrollos recientes en el campo mediante la explotación de una combinación de redes neuronales estocásticas (NN), una extensión de las NN estándar, procesamiento de lenguaje natural (NLP) para extraer sentimientos de Twitter, y un algoritmo evolutivo externo para la configuración óptima de parámetros para predecir la dirección de la tendencia a corto plazo. Nuestros resultados apuntan a una precisión buena y robusta a lo largo del tiempo y en diferentes regímenes de mercado. Además, proponemos explotar los avances recientes en el análisis de sentimientos para reevaluar su papel en la predicción financiera; de esta manera, contribuimos a la literatura empírica al mostrar que las predicciones basadas en el análisis de sentimientos no resultan significativamente diferentes de las predicciones basadas en datos históricos. Sin embargo, en comparación con los mercados de valores, encontramos que la precisión de las predicciones de tendencias con análisis de sentimientos es en promedio mucho mayor para las criptomonedas.