پیشرفتها و چالشهای اخیر در سامانه های معاملاتی رمزارز مبتنی بر یادگیری عمیق یک مرور جامع

در سال های اخیر حوزه معاملات رمزارز به عنوان یکی از زمینه های نوظهور مالی توجه قابل توجهی را از سوی پژوهشگران یادگیری عمیق به خود جلب کرده است. رمزارزها به دلیل ماهیت غیرمتمرکز نوسانات شدید، رفتار غیرخطی و پیچیدگی دینامیکی بازار، محیطی چالش برانگیز برای تحلیل و پیش بینی به شمار می آیند. روش های یادگیری عمیق با قابلیت استخراج ویژگی های پنهان و الگوهای پیچیده از داده های تاریخی توان بالقوه ای برای بهبود پیش بینی قیمت، بهینه سازی پرتفوی و مدیریت ریسک در بازار رمزارز ارائه کرده اند. در این مقاله یک مرور جامع از پژوهش های انجام شده پیرامون کاربرد یادگیری عمیق در تحلیل و معاملات رمزارزی ارائه می شود. ابتدا مدل های پرکاربرد یادگیری عمیق مانند شبکه های عصبی کانولوشنی، شبکه های بازگشتی، شبکه های تقویتی و مدل های ترکیبی معرفی شده و سپس کاربرد آنها در وظایف مختلف مدل سازی از جمله پیش بینی قیمت و نوسان، ساخت پرتفوی، تحلیل حباب، تشخیص معاملات غیرعادی و ارزیابی ریسک بررسی می شود. افزون بر این مجموعه داده های مورد استفاده، رویکردهای مدل سازی و نوآوری های تجربی مطالعات تحلیل شده و در پایان شکاف های پژوهشی موجود و مسیرهای آینده توسعه مدل های هوشمند در معاملات رمزارزی مورد بحث قرار گرفته است.

کلیدواژه ها:

رمزارزها ، یادگیری عمیق ، پیش بینی ، قیمت ، معاملات خودکار ، مدیریت پرتفوی ، ارزیابی ریسک