Hoy en día, las criptomonedas están establecidas y ampliamente reconocidas como un método de intercambio de moneda alternativo. Se han infiltrado en la mayoría de las transacciones financieras y como resultado, el comercio de criptomonedas es generalmente considerado uno de los tipos de inversiones rentables más populares y prometedores. Sin embargo, este mercado financiero en constante crecimiento se caracteriza por una volatilidad significativa y fuertes fluctuaciones de precios en un corto período de tiempo, por lo tanto, el desarrollo de un modelo de pronóstico preciso y confiable se considera esencial para la gestión y optimización de carteras. En esta investigación, proponemos un modelo de red neuronal profunda de múltiples entradas para la predicción del precio y movimiento de criptomonedas. El modelo de pronóstico propuesto utiliza como entradas diferentes datos de criptomonedas y los maneja de forma independiente para explotar información útil de cada criptomoneda por separado. Se realizó un estudio empírico exhaustivo utilizando tres años consecutivos de datos de criptomonedas de tres criptomonedas con la mayor capitalización de mercado, es decir, Bitcoin (BTC), Ethereum (ETH) y Ripple (XRP). El análisis experimental detallado reveló que el modelo propuesto tiene la capacidad de explotar eficientemente datos de criptomonedas mixtas, reduce el sobreajuste y disminuye el costo computacional en comparación con las redes neuronales profundas totalmente conectadas tradicionales.