22618

بررسي مقايسه‌اي كارايي برخي از الگوريتم‌هاي هوش مصنوعي جهت پيش‌بيني قيمت رمز ارز

كارشناسي ارشد

علوم اقتصادي - برنامه ريزي سيستم هاي اقتصادي

1397

1399/7/13

دكتر عطا الله رفيعي آتاني

دكتر رحيم خاني زاد

مهندسي پيشرفت

در اين پژوهش كارايي الگوريتم‌هاي رقابت استعماري (ICA)، الگوريتم خفاش (BAT)، الگوريتم گرگ خاكستري (GWO) و الگوريتم شاهين هريس (HHO) را براي پيش‌بيني قيمت بيت‌كوين در بازه‌هاي زماني كوتاه‌مدت (10روزه) و بلندمدت (30 روزه) با يكديگر مقايسه مي‌كنيم. در اين پژوهش داده‌هاي ورودي براي دوره زماني كوتاه‌مدت شامل ميزان قيمت رمز ارز در هنگام باز شدن، قيمت بالايي رمز ارز و قيمت پاييني رمز ارز در 5 روز قبل است و در دوره زماني بلندمدت، ورودي‌ها شامل ميزان قيمت رمز ارز در هنگام باز شدن، قيمت بالايي رمز ارز و قيمت پاييني رمز ارز در 10 روز قبل است. معيارهاي استفاده‌شده براي بررسي نتايج شامل ضريب تعيين، ميانگين مربعات خطا، مجذور ميانگين مربعات خطا، ميانگين قدر مطلق خطا، مربع خطاي نسبي و واريانس تبيين شده است. شبكه استفاده‌شده از نوعMLP و داده‌هاي آموزش 70 درصد و داده‌هاي آزمون با30 درصد مشخص شده‌اند. نتايج به‌دست‌آمده نشان‌دهنده‌ي كارايي بهتر الگوريتم‌ها در بازه زماني كوتاه‌مدت است و الگوريتم ICA در هر 2 بازه كوتاه‌مدت و بلندمدت كارايي و دقت بهتري را نشان داده است.

1399/08/24

A Comparative study of the Performance of some Artificial Intelligence Algorithms to predict the Currency Price

10/5/2021 12:00:00 AM

In this study, we compare the efficiency of Imperialist Competitive Algorithm (ICA), Bat Algorithm (BAT), Gray Wolf Optimization Algorithm (GWO) and Harris Hawks Optimizer Algorithm(HHO) to predict bitcoin price in short (10 days) and long term (30 days) with each other.In this study, the input data for the short-term period includes the bitcoin price at the time of opening, the high bitcoin price and the low bitcoin price in the previous 5 days, and in the long-term period, the inputs include the bitcoin price at the time of Opening, the high bitcoin price and the low bitcoin price in the previous 10 days.The criteria used to evaluate the results include Determination Coefficient, mean square error, Root Mean Squared Error, Mean Absolute Error, Relative Squared Error and Explained Variance Score. The network used is MLP and the training data is 70% and the test data is 30%. The results show better performance of algorithms in the short term and the ICA algorithm has shown better performance and accuracy in both the short and long term.