اميررضا ستارزاده خانه برق

پيش‌بيني رفتار بازارهاي مالي، به‌ويژه بيت‌كوين، در عصر تحولات سريع فناوري بسيار اهميت دارد. روش‌هاي سنتي تحليل بازار ديگر قادر به مدل‌سازي پيچيدگي‌هاي آن نيستند. در اين پژوهش، از پردازش زبان طبيعي (NLP) و تحليل احساسات توييتر براي بررسي تأثير احساسات عمومي بر قيمت بيت‌كوين استفاده شده است. همچنين، با بهره‌گيري از روش Triple Barrier Labeling (TBL)، توييت‌ها به‌طور ساختارمند طبقه‌بندي شده و اثرات آن‌ها بر نوسانات قيمت‌ها تحليل شده است. اين پژوهش از مهندسي درخواست (pro‎mp‎t Engineering) براي افزودن زمينه‌هاي زماني و اقتصادي استفاده مي‌كند كه پيش‌بيني‌هاي بازار را بهبود بخشيده است. مدل‌ها با تكنيك‌هاي پيش‌پردازش داده و اعتبارسنجي متقابل بهينه‌سازي شده‌اند. نتايج نشان مي‌دهد رويكردهاي مبتني بر TBL نسبت به روش‌هاي سنتي دقيق‌تر بوده و در بك‌تستينگ عملكرد بهتري از نظر ريسك و بازده داشته‌اند. اين تحقيق با تركيب NLP، داده‌هاي رسانه‌هاي اجتماعي و يادگيري ماشين، گامي در جهت بهبود پيش‌بيني‌هاي بازار مالي برداشته است.

استراتژي معاملاتي , بازار هاي معاملاتي , پيش بيني بازار مالي , تحليل احساسات , يادگيري ماشين , پردازش زبان طبيعي