سیدامیر وهابی - دانشجوی کارشناسی ارشد نرم افزار موسسه آموزش عالی دیلمان لاهیجان
محمدرضا یمقانی - عضو هیئت علمی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد لاهیجان
محمدرضا عسکری پورلاهیجی - عضو هیئت علمی دانشگاه آزاد اسلامی واحد لنگرود
مجید مشکین مژه - عضو هیئت علمی موسسه آموزش عالی دیلمان لاهیجان

هدف پژوهش حاضر، پیش بینی بازار رمزارز مونرو با استفاده از روش های یادگیری ماشین و اندازه گیری دقت روش های موجود و مقایسه آن با روش پیشنهادی از طریق معیارهای ارزیابی می باشد. داده های مورد استفاده در این پژوهش، شامل داده های روزانه مونرو است. این داده ها در بازه زمانی سال های ۲۰۲۰-۰۱ تا ۲۰۲۰-۰۶ جمع آوری و به عنوان داده های خام مورد تجزیه و تحلیل قرار گرفته است. داده ها دارای ویژگی های زمان باز، زمان بسته، قیمت باز، قیمت بسته، قیمت بالا و قیمت پایین هستند. مدل پیشنهادی با استفاده از زبان برنامه نویسی پایتون پیاده سازی، اجرا و نتایج عملکرد بطور جداگانه ثبت شد. نتایج حاصل از پیش بینی بر اساس مقادیر خطای پیش بینی برای سه مدل شبکه عصبی، -Kنزدیکترین همسایه و ترکیب شبکه عصبی با -k نزدیکترین همسایه(مدل پیشنهادی) ارائه شده است. نتایج بدست آمده نشان می دهد که مدل پیشنهادی دارای میزان خطای پایین تری جهت پیش بینی است، چرا که کلیه معیارهای محاسباتی خطا در این مدل کمتر از سایر مدل ها است. بر این اساس می توان گفت که مدل پیشنهادی توان بالایی را نسبت به سایر مدل ها در پیش بینی قیمت مونرو دارد.

ارز دیجیتال، رمزارز مونرو، پیش بینی بازار مالی، یادگیری ماشین، یادگیری عمیق.