CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

استفاده از رویکرد شبکه حافظه بلند کوتاه مدت (LSTM) به منظور پیشبینی قیمت بیت کوین

عنوان مقاله: استفاده از رویکرد شبکه حافظه بلند کوتاه مدت (LSTM) به منظور پیشبینی قیمت بیت کوین
شناسه ملی مقاله: ICMET14_028
منتشر شده در چهاردهمین کنفرانس بین المللی مدیریت، اقتصاد و توسعه در سال 1401
مشخصات نویسندگان مقاله:

محمدرضا قدیم پور - گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیر طوسی، تهران، ایران

خلاصه مقاله:
با پیشرفت روز افزون تکنولوژی و فراگیر شدن ارزهای دیجیتال در دهه های اخیر، رمز ارزها به یکی از بحث برانگیزترین ابزارهای سرمایه گذاری تبدیل شده اند. در سالهای اخیر بیت کوین، که به عنوان محبوب ترین ارز دیجیتالی جهان شناخته میشود توانسته است ارزش معاملات قابل توجهی را کسب کرده و گزینه ای جذاب برای سرمایه گذاری به شمار برود. با توجه به اینکه قیمت بیت کوین همواره با نوسانهای شدیدی همراه بوده است، سرمایه گذاری در این حوزه همواره ریسک بالایی برای فعالان بازارهای مالی داشته است بنابراین نیاز به ابزاری که به کمک آن بتوان ریسک معاملات این بازار را کاهش داد همواره احساس میشود. امروزه داده های کلان و شبکه های یادگیری عمیق توانسته اند در حوزه های مختلفی از جمله تجزیه و تحلیل سری های زمانی مالی وارد شده و با عملکرد خود مدلهای سنتی را کنار بزنند. در این مطالعه تلاش شده تا با استفاده از مدلهای یادگیری عمیق و به طور مشخص تر شبکه حافظه بلند کوتاه مدت (LSTM)، کارایی این شبکه ها در بازار ارزهای دیجیتال را مورد بررسی قرار دهیم و روند حرکت قیمتی بیت کوین با حداقل خطای ممکن پیشبینی شود. با توجه به نتایج و مقادیر خطای بدست آمده، شبکه ی LSTM میتواند به عنوان ابزاری قدرتمند به منظور پیشبینی قیمت رمز ارزها مورد استفاده قرار بگیرد.

کلمات کلیدی:
شبکه های یادگیری عمیق، رمز ارز، بیت کوین، شبکه حافظه بلند کوتاه مدت، سری زمانی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1516326/