پیش بینی قیمت بیت کوین با استفاده از مدل ترکیبی حافظه کوتاه مدت بلندمدت بهینه شده با الگوریتم بهبودیافته شاهین هریس

پیش بینی دقیق قیمت بیت کوین به دلیل نوسانات شدید آن همواره چالشی اساسی در حوزه مالی محسوب می شود. این پژوهش با هدف ارائه مدلی دقیق تر برای پیش بینی قیمت بیت کوین، یک چارچوب ترکیبی نوین متشکل از LSTM و الگوریتم MHHO معرفی می نماید. در این مطالعه، از داده های تکنیکال تاریخی بیت کوین از صرافی بایننس طی بازه زمانی ۲۰۱۸ تا ۲۰۲۵ استفاده شد. سه مدل مختلف شامل حافظه بلندمدت کوتاه مدت پایه، مدل ترکیبی HHO_LSTM و مدل ترکیبی MHHO_LSTM پیاده سازی و ارزیابی شدند. بهبودهای اعمال شده در الگوریتم HHO شامل به روزرسانی غیرخطی انرژی فرار و معرفی وزن اینرسی پویا می باشد. نتایج تجربی نشان داد مدل MHHO_LSTM با اختلاف معناداری بهترین عملکرد را دارد. این مدل توانست MAPE را به ۰.۰۶٪ کاهش دهد که بهبودی ۵۳.۸٪ نسبت به مدل LSTM پایه و ۵۰٪ نسبت به مدل ترکیب HHO_LSTM محسوب می شود. علاوه بر این مقادیر RMSE و MAE به ترتیب ۸۷.۵۱ و ۶۱.۴۵ به دست آمد که نشان دهنده کاهش خطای قابل توجه می باشد. مدل ترکیبی پیشنهادی MHHO_LSTM به عنوان ابزاری کارآمد برای پیش بینی قیمت دارایی های پرنوسان مانند بیت کوین اثبات شد. این تحقیق گامی موثر در جهت غلبه بر چالش بهینه سازی محلی در مدل های یادگیری عمیق محسوب می شود.

کلیدواژه ها:

پیش بینی قیمت بیت کوین ، شبکه عصبی حافظه بلندمدت کوتاه مدت ، الگوریتم شاهین هریس ، بهینه سازی فراابتکاری ، داده های تکنیکال