Bitcoin todavía no ha sido considerado como una criptomoneda valiosa y un activo rentable en el mercado global. A medida que las redes neuronales basadas en polinomios (PBNNs) son muy robustas y precisas en la predicción del precio de las acciones, su ventaja en la fijación de precios de Bitcoin necesita ser analizada. En este estudio, la robustez de PBNNs, basada en Chebyshev (CPBNN) y Legendre (LPBNN), se combina con el algoritmo propuesto, denominado algoritmo de escalada de mono mutado (MCMA), para controlar la estimación de los parámetros de red y predecir con precisión el precio de Bitcoin un día antes. El rendimiento fue evaluado mediante un análisis comparativo de las pruebas de CPBNN y LPBNN con cada uno de los seis algoritmos considerados en tres conjuntos de datos diferentes recopilados dentro del mismo intervalo de tiempo. Dado que el uso de unos pocos criterios de evaluación no podrá identificar un modelo predictor eficiente, este estudio también propone el uso de un marco de Toma de Decisiones Multicriterio (MCDM) para clasificar todos los modelos utilizando 15 criterios de evaluación diferentes. La clasificación de los modelos indica claramente que el algoritmo MCMA propuesto supera a todos los demás algoritmos estudiados. Los gráficos de convergencia de los dos mejores modelos para los conjuntos de datos también indican que PBNN utilizando MCMA para el aprendizaje predice mejores resultados.