سید امیر مسعود میرکاظمی - کارشناسی ارشد مهندسی هوش مصنوعی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

گسترش کاربردهای یادگیری ماشین در صنایع مختلف، به ویژه در حوزه مالی، یکی از تحولات مهم در دهه گذشته بوده است. بین مجموعه گسترده ای از ابزارهای مالی، بیتکوین به عنوان یک رمزارز غیرمتمرکز، به دلیل نوسانات بالا و علاقه قابل توجه سرمایه گذاران، برجسته است. به همین دلیل، پژوهشگران سعی کرده اند قیمت بیتکوین را پیش بینی کنند، اغلب با استفاده از تکنیک های یادگیری ماشین. با این حال، اکثر این مطالعات اصولا بر تمرکز بر داده های قیمت تاریخی یا شاخص های فنی برای پیش بینی های خود تمرکز کرده اند و از منابع داده ای با تاثیر بالقوه بسیار زیاد دیگر چشم پوشی کرده اند. این مقاله به بررسی عمیقتر پتانسیل بی کاربرد موجود در داده های خبری برای پیش بینی قیمت بیتکوین با استفاده از مدل های پیشرفته یادگیری عمیق می پردازد. رویدادهای خبری به عنوان عاملی موثر بر قیمت بیتکوین شناخته شده اند، اما تا کنون به طور کافی در مدل های پیش بینی قیمت نمایش داده نشده اند. این پژوهش به بررسی کاربرد حافظه کوتاه-مدت بلند (LSTM)، یک نوع شبکه عصبی مکرر، برای استخراج اطلاعات معنادار از داده های خبری و استفاده از آن برای پیش بینی قیمت بیتکوین می پردازد. این مطالعه نه تنها روشی نوآورانه برای پیش پردازش و رمزگذاری داده های خبری ارائه می کند، بلکه تحلیلی عمیق از عملکرد پیش بینی مدل LSTM نسبت به مدل های آموزش دیده بر روی داده های قیمت تاریخی را ارائه می دهد. نتایج نشان می دهند که افزایش قابل توجهی در دقت پیش بینی رخ می دهد و نقش حیاتی داده های خبری در پیش بینی قیمت بیتکوین را تاکید می کند. به طور کلی، این مقاله به طور نهایی دیدگاه تازه ای درباره پیش بینی قیمت بیتکوین ارائه می دهد و راه را برای پژوهش های آینده در این راستا می گشاید.

پیشبینی - رمزارز - سرمایه گذاری - شبکه عصبی