پیش بینی قیمت بیت کوین در کوتاه مدت با استفاده از سری زمانی توسعه یافته و مقایسه عملکرد این روش با روش های بردار پشتیبان، حافظه کوتاه مدت، جنگل تصادفی و آنالیز افتراقی

پس از فراز و فرودهای قیمت های ارزهای رمزنگاری شده در سال های اخیر، بیت کوین به صورت فزاینده ای به عنوان یک دارایی برای سرمایه گذاری در نظر گرفته شده است . به خاطر ماهیت بسیار بی ثبات آن، لازم است تا پیش بینی های مناسبی صورت گیرد تا، بر اساس آن، بتوان در مورد سرمایه گذاری تصمیم گیری نمود. با وجودی که تحقیقات فعلی برای پیش بینی دقیق تر بهای بیت کوین از یادگیری ماشین بهره برداری کرده اند، تعداد اندکی از آنها به امکان استفاده از تکنیک های مختلف مدل سازی برای نمونه هایی با ساختار داده ای و ویژگی های بعدی مختلف توجه کرده اند. به منظور پیش بینی بهای بیت کوین در فرکانس های مختلف با استفاده از تکنیک های یادگیری ماشین ، ابتدا قیمت بیت کوین را بر اساس قیمت روزانه و قیمت فرکانس بالا طبقه بندی می کنیم . مجموعه ای از ویژگی های با ابعاد بالا از جمله دارایی و شبکه ، معاملات و بازار، توجه و قیمت لحظه ای اتریوم برای پیش بینی قیمت روزانه بیت کوین استفاده می شود، در حالی که ویژگی های اصلی تجارت که از تبادل ارز رمزنگاری شده حاصل شده اند، برای پیش بینی قیمت در فواصل ۵ دقیقه ای استفاده می شوند. روشهای آماری شامل سری زمانی توسعه یافته و آنالیز افتراقی خطی برای پیش بینی قیمت روزانه بیت کوین با ویژگی های ابعاد بالا، به دقت ۶۶% رسیده و از الگوریتم های یادگیری پیچیده تر ماشین پیشی می گیرند. در مقایسه با نتایج مبنا برای پیش بینی قیمت روزانه ، با بالاترین دقت در روش های آماری و الگوریتم های یادگیری ماشینی ، به ترتیب ۶۶% و ۳/۶۵%، به عملکرد بهتری دست پیدا می کنیم . مدلهای یادگیری ماشینی ، شامل جنگل تصادفی ،XGBoost، آنالیز افتراقی درجه دو، ماشین بردار پشتیبان و حافظه کوتاه مدت بلند برای پیش بینی قیمت ۵ دقیقه ای بیت کوین که دقت آنها به ۲.۶۷% رسیده است ، از روشهای آماری بهتر هستند. بررسی ما در مورد پیش بینی قیمت بیت کوین را می توان مطالعه ای مقدماتی در مورد اهمیت ابعاد نمونه در تکنیک های یادگیری ماشین در نظر گرفت . داده ها و ارتباطات مدل ها توسط نرم افزار های Eviews ۲۰۲۱ و SPSS moduler ۲۰۲۱ تحلیل شده اند. داده ها آوریل ۲۰۱۴ تا ژانویه ۲۰۲۰ مورد بررسی قرار میگیرد.