مروری نظام مند بر پیش بینی نوسانات تریپتو درسی با استفاده از احساسات و هوش مصنوعی

این مقاله با هدف مرور نظام مند مبانی نظری روش های سنجش و پیش بینی نوسان قیمت در بازار ارزهای دیجیتال به بررسی ادبیات علمی بین المللی و داخلی می پردازد. برای این منظور مقالات منتشر شده بین سال های اخیر در پایگاه های علمی معتبر مانند ساینس دایرکت، اسپرینگر لینک، اس اس آر ان و آرشیو مورد جست وجو، ارزیابی و مقایسه قرار گرفته اند. یافته ها نشان می دهند که بازار رمزارزها دارای ویژگی های استیلیزه ای همچون دم های ضخیم، خوشه ای شدن نوسان و رفتارهای غیرخطی است که مدل های کلاسیک مانند گارچ به تنهایی قادر به توضیح کامل آن نیستند. در مقابل مدل های تلاطم تصادفی و مدل های چند مقیاسی به ویژه در افق های زمانی بلندمدت عملکرد بهتری داشته اند. علاوه بر داده های قیمتی، استفاده از داده های احساسات سرمایه گذاران، جریان های درون زنجیره ای و داده های فرکانس بالا موجب بهبود پیش بینی نوسان شده است. در سال های اخیر مدل های یادگیری ماشین و شبکه های عصبی نظیر ال اس تی ام و مدل های هیبریدی توانسته اند روابط پیچیده میان متغیرهای قیمتی و رفتاری را بهتر شناسایی کنند. نتایج کلی مقاله تاکید می کند که ترکیب داده های سخت و نرم در قالب مدل های ترکیبی اقتصادسنجی-یادگیری ماشین می تواند چارچوبی کارآمد برای پیش بینی نوسان رمزارزها فراهم آورد و مسیر پژوهش های بومی آینده به ویژه در ایران را روشن سازد.

کلیدواژه ها:

پیش بینی ، هوش مصنوعی ، یادگیری ماشین ، تلاطم ، تلاطم تصادفی ، احساسات ، مبانی نظری نوسان قیمت و تلاطم تصادفی در بازار ارزهای دیجیتال