پیش بینی نوسانات کریپتوکارنسی (ارزهای دیجیتال) مبتنی بر شبکه های عصبی عمیق

امروزه پیش بینی روند متغیرهای اقتصادی از اهمیت ویژهای برای سیاستگذاران دولتی و خصوصی در تنظیم روابط و مناسبات اقتصادی برخوردار است. به طوری که نیاز به ابزار و شیوه های پیش بینی متغیرها با کم ترین خطا بسیار محسوس است. بسیاری از بانک ها و شرکت ها در حال تحقیق روی سرمایه گذاری و کسب سهمی از این بازار هستند و بعضی از کشور ها ارز های دیجیتالی را به عنوان یک ارز برای خرید و فروش قبول کرده اند. به دلیل نوسانات بالا پیش بینی قیمت ارز های دیجیتالی به یک چالش تبدیل شده است. در این تحقیق یک روش کارآمد مبتنی بر شبکه های DNN و LSTM برای پیش بینی نوسانات ارزهای دیجیتالی و جهت گیری قیمت آن در بازه زمانی روزانه ارائه شده است. برای بهبود عملکرد شبکه های عصبی عمیق مذکور، از الگوریتم های بهینه سازی Adam وPSO استفاده شده است. همچنین برای پیاده سازی از زبان برنامه نویسی پایتون و کتابخانه های pandas، keras، tensorflow، numpy و matplotlib استفاده شد. نتایج شبیه سازی نشان داد که روش پیشنهادی جهت تشخیص نرخ ارزهای دیجیتال چه در زمینه ی سرعت و چه در زمینه ی دقت نمایش قابل قبولی از خود ارائه کرده است. در مقایسه با روش های سنتی و پژوهش قبلی، این تحقیق نشان داد که کاربرد شبکه عصبی عمیق بازگشتی LSTM موجب بالا رفتن دقت در داده های سری زمانی می باشد.

کلیدواژه ها:

ارز دیجیتال ، پیش بینی قیمت ، LSTM ، DNN