ارائه ی روشی به منظور پیش بینی ریسک ارزش رمز ارز دیجیتال بر پایه یادگیری عمیق

آنچه موجب محبوبیت ارزهای دیجیتال شدده، استفاده از فناوری های غیرمتمرکز می باشد که به کاربران امکان پرداخت امن و ذخیره پول را بدون نیاز به ثبت نام یا استفاده از بانک ها و سازمان های واسطه می دهد. بلاک چین و هوش مصنوعی دو مورد از فناوری هایی هستند که به طور غیر قابل انکاری نوآوری و تغییرات اساسی را در حوزه صنایع گوناگون سبب می شوند. هر فناوری به تنهایی پیچیدگی و پیامدهای خاص خود را دارد اما زمانی که دو فناوری ترکیب می شوند، ممکن است کل الگوی فناوری را از نو طراحی نموده و تغییراتی بنیادین را ایجاد کنند به همین دلیل با وجود حجم زیادی از داده ها امروزه با بهره گیری از روش های یادگیری عمیق امکان پیش بینی میزان قیمت ارزهای دیجیتال به صورت سیستماتیک میسر گردیده اسدت. روش سنتی مبتنی بر سدری زمانی وابسته به فرضیه های خطی هستند و در این روش ها نیاز است تا داده به صورت فصلی تفکیک شوند که این روش ها معمولا برای پیش بینی فروش بر اساس اثرات فصلی مناسب هستند که متاسفانه به دلیل فقدان اطلاعات فصلی در بازار ارزهای دیجیتال و در این مورد خاص بیت کوین زیاد کارایی ندارند. لذا با توجه به پیچیدگی موجود به کارگیری روش های یادگیری عمیق از جمله RNN (شبکه های عصبی بازگشتی) و بالطبع آن LSTM ها به دلیل داشتن حافظه کوتاه مدت و بلند مدت از نظر وجود ماهیت زمانی داده های ارز دیجیتال به منظور انجام پیش بینی قیمت یک راه حل جالب و کارا هستند

Keywords:

رمز ارز دیجیتال , یادگیری عمیق , شبکه های عصبی بازگشتی , پیش بینی , رگرسیون