پیش بینی قیمت رمزارزها با استفاده از الگوریتم های فرایادگیری

زمینه: با پیشرفت و تغییر دنیای پیرامون، کسب درآمد و داد و ستد نیز دچار دگرگونی شده است، به نحوی که بیت کوین و دیگر رمزارزهای مشابه درآینده میتوانند جایگزینی برای ارزهای رایج دنیا باشد. از این رو پیش بینی قیمت آن نقش بسیار مهمی در سرمایه گذاری بر روی این رمزارزها خواهد داشت. پژوهشگران روش های مختلفی برای بهبود دقت پیش بینی قیمت بیت کوین پیشنهاد کرده اند. بررسی نتایج این رویکردها نشان می دهد تاکنون نتیجه چشم گیری در پیش بینی قیمت بیت کوین حاصل نشده است.هدف: در این پژوهش با تکیه بر یادگیری ماشین و داده کاوی، مدل های جدیدی برای پیش بینی قیمت بیت کوین پیشنهاد شده است.روش پژوهش: هسته اصلی مدل های پیشنهادی الگوریتم XGBoost می باشد که در دسته الگوریتم های فرایادگیری است. برای افزایش کارایی مدل تنظیم پارامترهای XGBoost درقالب یک مسئله بهینه سازی تعریف و مقادیر پارامترهای هدف با استفاده از الگوریتم شاهین هریس جستجو گردید. مدل پیشنهادی دوم نیز مبتنی بر الگوریتم LSTM می باشد که الگوریتم XGBoost با الگوریتم LSTM ترکیب می شود.یافته ها و نتیجه گیری: مدل پیشنهادی اول به ازای ۳۰ شاهین به بالاترین دقت پیش بینی با شاخص R۲ به ۹۹.۳۲ می رسد. مدل پیشنهادی دوم با ۷۰ بلوک LSTM به بالاترین میزان دقت با شاخص R۲ به ۷۴.۸۶ می رسد. مدل پیشنهادی اول میزان دقت بیشتری در پیش بینی قیمت نسبت به مدل پیشنهادی دوم و سایر مدل ها را دارد، به نحوی که با شاخص RMSE نرخ خطا در مدل پیشنهادی اول به ۰.۰۰۸۶ می رسد.

کلیدواژه ها:

بهینه سازی ، پیش بینی ، قیمت بیتکوین ، فرایادگیری ، Xgboost