پیش بینی قیمت بیت کوین با استفاده از یادگیری ماشینی

در این مقاله، ما از نسخه LSTM شبکه های عصبی بازگشتی، قیمت گذاری برای بیت کوین استفاده می کنیم. برای ایجاد درک بهتر از قیمت آن در لونس و دیدگاه مشترکی از این اختراع خوب، ابتدا مروری کوتاه بر اقتصاد بیت کوین دوباره ارائه می کنیم. پس از آن، ما پایگاه داده را شامل داده های شاخص های بازار سهام، احساسات، بلاک چین و Coinmarketcap می کنیم. در ادامه این تحقیق، استفاده از ساختارهای LSTM را با سری زمان ذکر شده در بالا نشان می دهیم. در پایان، ما نتایج پیش بینی قیمت بیت کوین را 30 و 60 روز قبل ترسیم می کنیم.

مقالات مرتبط

Cryptocurrency یک ارز مجازی است که اصول رمزنگاری را برای ایمن سازی تمام تراکنش های خود پیاده می کند. محبوب ترین ارز رمزنگاری شده، اتفاقاً اولین ارز دیجیتال غیرمتمرکز، بیت کوین، که در سال 2009 راه اندازی شد، در سال های اخیر به دلیل افزایشی که در اواخر سال 2017 تجربه کرد، مورد بحث قرار گرفته است. و به طور گسترده ای به عنوان "ارز جهان" دیده می شود. در این مقاله تحقیقاتی، ما الگوریتم های یادگیری ماشینی مختلفی را پیاده سازی کرده ایم که مسیر آینده این ارز دیجیتال را پیش بینی می کند و به سرمایه گذاران کمک می کند تا "حالت" ارز را درک کنند. ما دقت الگوریتم های مختلف از جمله رگرسیون خطی، طبقه بندی جنگل تصادفی، ماشین بردار پشتیبان و پرسپترون چندلایه را با استفاده از مجموعه داده های تاریخی بیت کوین به دست آمده از Quandl، با فواصل زمانی متفاوت بین دو قرائت بعدی، محاسبه و گردآوری کرده ایم. این تحقیق به درک بهتر و شناسایی روندها در یک ارز بسیار نوسانی کمک می کند. بینش های به دست آمده به سرمایه گذاران کمک می کند تا ریسک موجود در هنگام معامله با بیت کوین را مطالعه و تحلیل کنند.

دانلود PDF رایگان مشاهده PDF

انتقال الکترونیکی در دهه های اخیر به دلیل استفاده از ارزهای رمزنگاری شده، زمینه بزرگی را به دست آورده است. یکی از محبوب ترین ها بیت کوین است. این منبع باز است، تراکنش ها و صدور بیت کوین به طور جمعی از طریق شبکه انجام می شود. تجزیه و تحلیل رفتار بیت کوین به یک ارتباط با قیمت پیش بینی و دستیابی به سرمایه گذاری های موفق در آن تبدیل می شود. این بررسی برای تجزیه و تحلیل و مقایسه آن انجام شده است. از روش های مختلف پیش بینی متمرکز بر قیمت بیت کوین. بدون تاکید بر کسانی که ساختاری به عنوان پایه مدل ARIMA دارند، سپس به روش های ترکیبی اضافه می شود که از شبکه های عصبی برای تکمیل روش استفاده می کنند.

دانلود PDF رایگان مشاهده PDF

هدف این پروژه کارشناسی نوآورانه این است که نشان دهد چگونه یک مدل ماشین آموزش دیده می تواند در صورت ارائه مقدار مناسب از داده ها و قدرت محاسباتی ، قیمت یک cryptocurrency را پیش بینی کند. این نمودار را با مقادیر پیش بینی شده نشان می دهد. محبوب ترین فناوری نوعی راه حل تکنولوژیکی است که می تواند به بشر کمک کند تا وقایع آینده را پیش بینی کند. با توجه به تعداد زیادی از داده ها که روزانه تولید و ضبط می شوند ، ما در نهایت به عصری نزدیک شده ایم که پیش بینی ها می توانند دقیق باشند و بر اساس داده های واقعی بتن تولید شوند. علاوه بر این ، با ظهور دوران دیجیتال رمزنگاری ، سران بیشتری به سمت بازار دیجیتال برای سرمایه گذاری ها روی آورده اند. این به ما این فرصت را می دهد تا مدلی را ایجاد کنیم که بتواند ارزهای رمزنگاری شده را در درجه اول بیت کوین پیش بینی کند. این می تواند با استفاده از یک سری تکنیک ها و روش های یادگیری ماشین انجام شود.

دانلود PDF رایگان مشاهده PDF

محبوبیت برنامه های یادگیری عمیق (DRL) در اقتصاد به صورت نمایی افزایش یافته است. DRL ، از طریق طیف گسترده ای از قابلیت ها از یادگیری تقویت (RL) تا یادگیری عمیق (DL) ، فرصت های گسترده ای را برای دستیابی به سیستم های پیشرفته اقتصاد پویا ارائه می دهد. DRL با مقیاس پذیری با پتانسیل استفاده در مشکلات با ابعاد بالا در رابطه با الگوهای پر سروصدا و غیرخطی داده های اقتصادی مشخص می شود. در این مقاله ، ما در ابتدا مرور مختصری از روشهای DL ، RL و عمیق RL را در کاربردهای متنوع در اقتصاد در نظر می گیریم و بینش عمیقی از پیشرفته ارائه می دهیم. علاوه بر این ، معماری DRL اعمال شده در برنامه های اقتصادی به منظور برجسته کردن پیچیدگی ، استحکام ، دقت ، عملکرد ، وظایف محاسباتی ، محدودیت های ریسک و سودآوری مورد بررسی قرار گرفته است. نتایج این بررسی نشان می دهد که DRL می تواند عملکرد بهتری و راندمان بالاتر را در مقایسه با الگوریتم های سنتی در حالی که در صورت وجود پارامترهای ریسک و عدم قطعیت های روزافزون با مشکلات اقتصادی واقعی روبرو هستند ، فراهم کند.

دانلود PDF رایگان مشاهده PDF

دانلود PDF رایگان مشاهده PDF

پیش بینی قیمت سهام فرایند تعیین ارزش آینده سهام شرکت برای کسب سود فریبنده با تدوین تصمیمات مناسب است. پیش بینی قیمت سهام با موفقیت ممکن است با تصمیم گیری مناسب منجر به سود جذاب شود. اما به دلیل تغییر پویا و داده های سازمان یافته ، چندین چالش را ایجاد می کند ، و پیش بینی را به یک کار دشوار در بین سرمایه گذاران تبدیل می کند تا بتوانند در سرمایه گذاری برای به دست آوردن دستاوردهای بالا ، انتخاب صحیحی را انتخاب کنند. در این مقاله یک مدل یادگیری عمیق به نام حافظه کوتاه مدت بلند مدت (LSTM) ، نوعی شبکه عصبی مکرر (RNN) برای پیش بینی قیمت سهام روزانه یک شرکت خاص ارائه شده است. در مقایسه با مدل های معمولی یادگیری ماشین و شبکه های عصبی مصنوعی ، شبکه های عصبی مکرر قادر به پذیرش و در نظر گرفتن ترتیب داده های ورودی پی در پی هستند که به ماندگاری داده ها کمک می کند و ثابت می کند که انتخاب خوبی برای داده های سری زمانی مانند داده های سهام است. در این مقاله مدل LSTM با ترکیب متفاوتی از بهینه سازها مانند آدم ، آداماکس ، SGD ، RMSProp ، تعداد دوره ها و تعداد لایه های LSTM برای تصمیم گیری در مورد انتخاب مناسب هایپرپارامترها که در نهایت منجر به یک مدل پیش بینی بهتر می شود ، آزمایش می شود.

دانلود PDF رایگان مشاهده PDF

محبوبیت برنامه های یادگیری عمیق (DRL) در اقتصاد به صورت نمایی افزایش یافته است. DRL ، از طریق طیف گسترده ای از قابلیت ها از یادگیری تقویت (RL) تا یادگیری عمیق (DL) ، فرصت های گسترده ای را برای دستیابی به سیستم های پیشرفته اقتصاد پویا ارائه می دهد. DRL با مقیاس پذیری با پتانسیل استفاده در مشکلات با ابعاد بالا در رابطه با الگوهای پر سروصدا و غیرخطی داده های اقتصادی مشخص می شود. در این مقاله ، ما در ابتدا مرور مختصری از روشهای DL ، RL و عمیق RL را در کاربردهای متنوع در اقتصاد در نظر می گیریم و بینش عمیقی از پیشرفته ارائه می دهیم. علاوه بر این ، معماری DRL اعمال شده در برنامه های اقتصادی به منظور برجسته کردن پیچیدگی ، استحکام ، دقت ، عملکرد ، وظایف محاسباتی ، محدودیت های ریسک و سودآوری مورد بررسی قرار گرفته است. نتایج این بررسی نشان می دهد که DRL می تواند عملکرد بهتری و راندمان بالاتر را در مقایسه با الگوریتم های سنتی در حالی که در صورت وجود پارامترهای ریسک و عدم قطعیت های روزافزون با مشکلات اقتصادی واقعی روبرو هستند ، فراهم کند.

دانلود PDF رایگان مشاهده PDF

مجله بین المللی تحقیقات در فناوری علوم کاربردی و مهندسی

افزایش تقاضا در استفاده از اینترنت باعث انقلاب در اقتصاد دیجیتال شده است. از دهه گذشته اقتصاد دیجیتال نقش مهمی در جهان دارد. دارایی های فیزیکی به دارایی های دیجیتال تبدیل می شوند ، که در آن بیت کوین ارز اصلی رمزنگاری برای سرمایه گذاران است. بیت کوین بزرگترین سرمایه بازار را در بین سایر ارزهای رمزنگاری دارد. پیش بینی قیمت و پیش بینی قیمت بیتوکوین یکی از کارهای خسته کننده برای مدت طولانی بوده است. آثار موجود سعی می شود از طریق مدل های یادگیری ماشین به دنبال پیش بینی و پیش بینی دقیق بروند. پیش بینی می تواند کار مفیدی باشد تا سرمایه گذاران از ماهیت قیمت در آینده آگاهی داشته باشند و برای سرمایه گذاری های خود به آنها راهنمایی می کنند. در این کار پیشنهادی ، پیش بینی قیمت بیت کوین از طریق مدل های یادگیری عمیق مانند شبکه های عصبی حلقوی (CNN) و مدلهای حافظه کوتاه مدت (LSTM) ارائه می شود. هدف از این کار ارائه پیش بینی ها و پیش بینی های دقیق و به وجود آوردن روند روزانه برای بازار ارز رمزنگاری است. نتایج تجربی نشان می دهد که سیستم پیشنهادی دقت بهتری در پیش بینی ها داده می شود.