تحلیل تطبیقی روش های یادگیری جمعی و یادگیری عمیق برای پیش بینی قیمت ارز دیجیتال

ارز دیجیتال به عنوان یک تحول بزرگ در دنیای مالی و فناوری ، محدودیت های سیستم های اقتصاد سنتی را رفع و این امکان را فراهم کرد که بتوان بدون واسط در سطح جهانی معاملات اقتصادی انجام داد. پیش بینی قیمت ارزهای دیجیتال به دلیل نقش مهم آن در پشتیبانی تصمیم گیری استراتژی های سرمایه گذاری ، توجه زیادی را به خود جلب کرده است . نوسانات زیاد در قیمت های غیر ثابت ارزهای دیجیتال، نیاز فوری به مدلهای پیش بینی دقیق را برانگیخته است . پیش بینی دقیق قیمت ارزهای دیجیتال با استفاده از روشهای آماری سنتی به دلیل فقدان اثرات فصلی و برخی الزاامات اقتصادی دشوار می باشد و یادگیری ماشینی ، به ویژه یادگیری جمعی و یادگیری عمیق را به عنوان بهترین فناوری در زمینه پیش بینی قیمت ارزهای دیجیتال تبدیل می کند. در این تحقیق روش های یادگیری جمعی و یادگیری عمیق برای پیش بینی قیمت ارز دیجیتال مورد تحلیل تطبیقی قرار می گیرند. نتایج این مطالعه نشان می دهد که واحدهای بازگشتی دروازهای (GRUs)، شبکه عصبی بازگشتی ساده (RNN) و روشهای LightGBM از سایر روشهای یادگیری ماشین و استراتژی های معاملاتی بهتر عمل می کنند.

Keywords:

پیش بینی قیمت , ارز دیجیتال , یادگیری جمعی , یادگیری عمیق .