کاربرد هوش مصنوعی در تحلیل و پیشبینی روند بازارهای مالی

ادامه پیش بینی روند قیمت دارایی های مالی به ویژه در بازار رمزارزها به دلیل نوسانات شدید و رفتار غیرخطی داده ها، یکی از چالش های مهم در حوزه مالی و داده کاوی به شمار می رود. در این پژوهش، رویکردی مبتنی بر یادگیری ماشین برای پیش بینی جهت حرکت قیمت بیت کوین ارائه شده است. بدین منظور ابتدا داده های تاریخی قیمت شامل متغیرهای باز، بسته، بیشینه، کمینه و حجم معاملات جمع آوری و پس از انجام مراحل پیش پردازش، پاکسازی و نرمال سازی برای استخراج ویژگی آماده سازی شدند. سپس به منظور افزایش قدرت توصیف داده ها، مجموعه ای از شاخص های تکنیکال پرکاربرد شامل میانگین متحرک، نمایی، شاخص قدرت نسبی، مکدی و باندهای بولینگر به عنوان ویژگی های ورودی استخراج شد. در دو الگوریتم پرکاربرد یادگیری ماشین شامل جنگل تصادفی و ماشین بردار پشتیبان برای مدل سازی و پیش بینی روند قیمت مورد استفاده قرار گرفتند. ارزیابی عملکرد مدل ها با استفاده از معیارهایی نظیر دقت، امتیاز F۱ و ماتریس درهم ریختگی انجام شد. نتایج نشان داد که استفاده همزمان از شاخص های تکنیکال و الگوریتم های یادگیری ماشین می تواند دقت مناسبی در پیش بینی جهت حرکت قیمت بیت کوین فراهم آورد و به عنوان ابزاری کمکی برای تحلیلگران و تصمیم گیران بازارهای مالی مورد استفاده قرار گیرد. همچنین مقایسه مدل ها نشان داد که انتخاب الگوریتم مناسب و تنظیم پارامترهای آن تاثیر قابل توجهی بر کیفیت پیش بینی دارد.

کلیدواژه ها:

بیت کوین ، یادگیری ماشین ، جنگل تصادفی ، ماشین بردار پشتیبان ، شاخص های تکنیکال ، پیش بینی قیمت