پیش بینی قیمت ارز های دیجیتال با استفاده از روش شبکه های عصبی توسعه یافته با بررسی نقش عملکرد موسسات مالی در بازار رمز ارز
محل انتشار: نهمین کنفرانس بین المللی علوم مدیریت و حسابداری
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 157
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IMSYM09_009
تاریخ نمایه سازی: 16 خرداد 1402
چکیده مقاله:
ارزهای دیجیتال ارزهای دیجیتالی هستند که توجه سرمایه گذاران زیادی را در بازارهای مالی به خود جلب کرده اند. هدف از این پروژه پیش بینی قیمت روزانه ، به ویژه قیمت بالای و بسته شدن روزانه ارز دیجیتال بیت کوین است . این نقش حیاتی در تصمیم گیری های تجاری دارد. عوامل مختلفی وجود دارد که بر قیمت بیت کوین تاثیر می گذارد، بنابراین پیش بینی قیمت را به یک کار پیچیده و از نظر فنی چالش برانگیز تبدیل می کند. برای انجام پیش بینی ، شبکه های عصبی موقتی مانند شبکه های عصبی تاخیر زمانی (TDNN) و شبکه های عصبی تکراری (RNN) را بر روی سریهای زمانی تاریخی آموزش دادیم - یعنی قیمت های گذشته بیت کوین در طی چندین سال. ویژگی هایی مانند قیمت افتتاحیه ، بالاترین قیمت ، پایین ترین قیمت ، قیمت بسته شدن و حجم یک ارز در چندین فصل قبل برای پیش بینی بالاترین و بسته شدن قیمت روز بعد در نظر گرفته شد. ما TDNN و RNN را با استفاده از محیط توسعه شبکه عصبی مصنوعی NeuroSolutions (ANN) برای ساخت مدلهای پیش بین طراحی و پیادهسازی کردیم و آنها را با محاسبه معیارهای مختلف مانند MSE (میانگین مربع خطا)، NMSE (میانگین مربع خطای عادی شده) و ) r ضریب همبستگی پیرسون) در ادامه داده های آموزشی از هر سری زمانی ، برای اعتبار سنجی نگه داشته شده است . داده ها و ارتباطات مدل رگرسیونی توسط نرم افزار های Eviews ۲۰۲۱ و SPSS moduler ۲۰۲۱ تحلیل شده اند. داده ها در بازه ۲۰۱۳ الی ۲۰۲۰ مورد بررسی قرار گرفته اند.
کلیدواژه ها:
نویسندگان
زینب خسروی
دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران
پریا سلیمانی
دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران