-
شماره ركورد
31830
-
پديد آورنده
حديثه رفتاري
-
عنوان
پيش‌بيني قيمت ارزهاي ديجيتال با استفاده از يادگيري ماشين
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي صنايع - مالي
-
سال تحصيل
1400
-
تاريخ دفاع
1403/07/15
-
استاد راهنما
احمد ماكويي
-
استاد مشاور
احسان دهقاني برسياني
-
دانشكده
مهندسي صنايع
-
چكيده
پيش‌بيني قيمت و نوسانات ارزهاي ديجيتال، به علت رشد سريع و جذب سرمايه‌هاي كلان در اين حوزه، با چالش‌هاي پيچيده‌اي روبه‌رو است. اين پيچيدگي ناشي از نوسانات شديد و تأثيرپذيري از عوامل گوناگون اقتصادي و غيراقتصادي مي‌باشد. براي پيش‌بيني دقيق‌تر روند قيمت و نوسانات ارزهاي ديجيتال، تحقيقات گسترده‌اي در اين زمينه انجام شده و از مدل‌هاي يادگيري ماشين بهره برده شده است. اين تحقيقات به منظور تدوين روش‌هاي پيش‌بيني دقيق و موثر براي ارزهاي ديجيتال صورت گرفته‌اند.
در يك پژوهش اخير، تحليل داده‌هاي تاريخي چهار رمزارز در يك بازه زماني خاص، به منظور پيش‌بيني روند آينده ارزهاي ديجيتال، سه مدل يادگيري ماشين مورد بررسي و ارزيابي دقيق قرار گرفته است. اين مدل‌ها شامل الگوريتم‌هاي مختلفي همچون رگرسيون خطي، درخت تصميم و ماشين بردار پشتيبان بوده‌اند كه عملكرد آن‌ها با استفاده از داده‌هاي روزانه ارزهاي ديجيتال مورد ارزيابي دقيق و كامل قرار گرفته است.
نتايج اين پژوهش نشان داده كه الگوريتم‌هاي درخت تصميم و ماشين بردار پشتيبان، با دقت قابل توجه و موفقيت بالا، در پيش‌بيني نوسانات آينده ارزهاي ديجيتال عمل كرده‌اند. اين موفقيت‌ها مي‌تواند به سرمايه‌گذاران و تحليل‌گران بازار در اتخاذ تصميمات بهتر و موثرتر كمك كند. با توجه به اهميت و كاربرد گسترده اين تحقيقات، از الگوريتم‌هاي يادگيري ماشين براي پيش‌بيني قيمت و نوسانات ارزهاي ديجيتال، به عنوان يك رويكرد پيشرفته و كارآمد، مي‌توان بهره برد تا به بهبود استراتژي‌ها و تصميمات سرمايه‌گذاري در اين حوزه كمك شاياني كرد.
به طور كلي، پژوهش‌ها و تحقيقات در زمينه پيش‌بيني قيمت و نوسانات ارزهاي ديجيتال از اهميت ويژه‌اي در بازارهاي مالي و اقتصادي برخوردارند. اين تحقيقات بر اساس تحليل داده‌هاي تاريخي، استفاده از مدل‌هاي يادگيري ماشين و الگوريتم‌هاي پيشرفته، و ارزيابي دقيق عملكرد مدل‌ها صورت مي‌گيرند. يكي از جنبه‌هاي مهم اين تحقيقات، تعيين عوامل تأثيرگذار بر قيمت ارزهاي ديجيتال است. با تحليل داده‌هاي مختلف از جمله حجم معاملات، تغييرات بازار، اخبار و رويدادهاي مرتبط، مي‌توان بهترين روش‌ها براي پيش‌بيني قيمت و نوسانات ارزهاي ديجيتال را شناسايي كرد.
علاوه بر اين، استفاده از تكنولوژي‌هاي مدرن مانند يادگيري ماشين، شبكه‌هاي عصبي و الگوريتم‌هاي هوش مصنوعي، به دانشمندان و تحليل‌گران اين امكان را مي‌دهد تا با دقت بيشتري به پيش‌بيني‌هاي خود براي ارزهاي ديجيتال بپردازند. به طور كلي، تحقيقات در اين زمينه باعث افزايش دقت و صحت پيش‌بيني‌ها، كاهش ريسك‌هاي مرتبط با سرمايه‌گذاري در ارزهاي ديجيتال و افزايش اعتماد سرمايه‌گذاران و تحليل‌گران به بازار ارزهاي ديجيتال مي‌شود.
-
تاريخ ورود اطلاعات
1403/10/15
-
عنوان به انگليسي
Digital Currency Price Forecasting using Machine Learning
-
تاريخ بهره برداري
10/6/2024 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
حديثه رفتاري
-
چكيده به لاتين
Predicting cryptocurrency prices and volatility poses significant challenges due to the industry's rapid growth and substantial capital influx. This complexity stems from the high volatility and sensitivity to various economic and non-economic factors. Recent studies have made significant strides in developing effective prediction criteria and algorithms. This research analyzes historical data from four cryptocurrencies over a specified period, examining and implementing three machine learning models. The study aims to evaluate the accuracy of these models and assess the predictability of the selected cryptocurrencies. Initially, a comprehensive literature review focused on the most commonly used machine learning algorithms and influencing parameters was conducted. By examining highly cited papers, linear regression, decision tree, and support vector regression algorithms were chosen for this research. The performance of these algorithms was assessed using daily cryptocurrency data from 2021 to mid-2024. In the first step, influential parameters for each cryptocurrency were identified and examined using dimensionality reduction algorithms. Subsequently, cryptocurrency price prediction was performed using the selected machine learning algorithms. The results were compared using error metrics to evaluate the performance of these algorithms. The findings indicate that the decision tree and support vector machine algorithms were successful and reasonably accurate in predicting the future volatility of the selected cryptocurrencies. Furthermore, the predictability of cryptocurrencies shows a strong correlation with their credibility in the market. These results can assist investors and market analysts in making more informed and precise decisions.
-
كليدواژه هاي فارسي
پيش بيني قيمت , يادگيري ماشين , ارز ديجيتال , درصد تسلط , عرضه در گردش
-
كليدواژه هاي لاتين
Price forecast , machine learning , Digital currency , Dominance percentage , Circulating Supply
-
Author
hadise raftari
-
SuperVisor
Dr. Ahmad Makui
-
لينک به اين مدرک :
