Проаналізовано архітектуру гібридної систем штучного інтелекту (СШІ), що включає модулі збору, обробки, навчання моделей і візуалізації результатів. Описано особливості роботи з різними типами даних - часовими рядами, ончейн-метриками та текстовою інформацією. У межах емпіричного дослідження здійснено порівняльний аналіз трьох моделей: ARIMA, Random Forest Regressor та LSTM, з використанням відкритого набору історичних цін Біткоїну. У статті також особливу увагу приділено інженерії ознак, зокрема введено додаткові параметри, що суттєво підвищило якість навчання. На основі проведеного дослідження розроблено концепцію гібридної багаторівневої СШІ, яка включає модулі збору та нормалізації даних, обчислювальний блок з GPU/TPU для тренування моделей, і візуалізацію результатів через дашборди та API для інтеграції з біржовими системами. Запропонована концептуальна модель СШІ може слугувати основою для практичного впровадження в інвесторських і фінансово-аналітичних платформах та може зацікавити розробників фінансових технологій, трейдерів і дослідників у сфері цифрової економіки, відкриваючи перспективи для створення високоточних інструментів прогнозування та автоматизованих рішень на ринку криптовалют.