ارائه یک مدل ترکیبی مبتنی بر مولفه های خطی و غیرخطی جهت پیش بینی نوسانات بیت کوین

بازارهای مالی نقش مهم ی در سازمان اجتماعی و اقتصادی جامعه مدرن ایفا می کنند. در این نوع بازارهاء اطلاعات مربوط به دارایی ارزشمند است. اخیرا بیت کوین به عنوان محبوب ترین رمز ارز، مورد توجه بسیاری از سرمایه گذاران و فعالان اقتصادی قرار گرفته است. بازاررمز ارزها نوسان به شدت زیادی را تجربه کرده است و یکی از چالش های پیش روی آن، پیش بینی قیمت آینده است. بدون شک ، ایجادروشهایی برای پیش بینی قیمت بیت کوین بسیار هیجان انگیز بوده و تاثیر بسیار زیادی در تعیین سود و زیان حاصل از معامله آن در آینده دارد.در این مقاله یک روش ترکیبی مبتنی بر ARIMA و معماری شبکه ی عصبی LSTM (حافظه ی کوتاه مدت طولانی) بهینه شده جهت پیشبینینوسانات بیت کوین ارائه شده است. روش پیشنهادی جهت تشخیص نرخ ارزهای دیجیتال چه در زمینه ی سرعت و چه در زمینه ی دقت نمایشقابل قبولی از خود ارائه کرده است. و یکی از دلایل اصلی آن استفاده از شبکه ی عصبی عمیق به همراه الگوریتم های بهینه سازی گردایان نزولیبه عنوان یک شبکه ی پایه است.

کلیدواژه ها:

رمز ازر ، پیش بینی قیمت ، بیتکوین ، شبکه عصبی LSTM ، میانگین متحرک خود همبسته یکپارچه