یک طرح پیشبینی قیمت رمزارزها مبتنی بر یادگیری عمیق با در نظر گرفتن داده های احساسات [Persian Thesis]
محسن فرازان
| شناسگر رکورد: | ۱۹۹۱۶ |
| رشته تحصیلی: | سیستم های مالی |
| عنوان: | یک طرح پیشبینی قیمت رمزارزها مبتنی بر یادگیری عمیق با در نظر گرفتن داده های احساسات |
| نويسنده: | محسن فرازان |
| استاد راهنما : | دکتر رباب کلانتری |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۱ |
| چکیده: | «رمزارز» یک نوع ارز دیجیتال است که بهوسیله فنّاوری رمزنگاری، امنیت آن تضمین میشود. بسیاری از رمزارزها از شبکههای غیرمتمرکزی مبنی بر فنّاوری بلاک چین استفاده میکنند. این فنّاوری مانند دفتر کلی است که در کامپیوترهای پخششده در شبکه اجرا میشود. در طی سالهای اخیر، افزایش شدید قیمت بیتکوین و به طبع آن سایر رمزارزها باعث جذب سرمایهگذاران و معامله گران به سمت بازار رمزارزها شده است. یکی از مشکلات رمزارزها ناپایداری ارزش آنها است. با توجه به اینکه بیشتر ارزهای رمزنگاریشده غیرمتمرکز هستند و قانونگذار خاصی بر روی فعالیت آنها نظارت نمیکند، امکان نوسانات قیمتی شدید بین آنها وجود دارد که این موضوع، پیشبینی قیمتها در بازار رمزارزها را به امری چالشبرانگیز برای معامله¬گران و سرمایهگذاران بدل کرده. شناسایی عوامل تأثیرگذار بر قیمت رمزارزها بهمنظور پیشبینی قیمت آنها توسط مدلهای یادگیری عمیق، موضوعی است که طی سالیان اخیر موردتوجه پژوهشگران قرارگرفته. ازجمله عواملی که میتواند بر قیمت رمزارزها تأثیرگذار باشد، فاکتورهای اجتماعی است که احساسات سرمایهگذاران بازار ارزهای دیجیتال را مورد هدف قرار میدهد. اظهارنظر مقامات کشورها، رؤسای شرکتهای مطرح دنیا و سخنرانی افراد مشهور در حوزه ارزهای دیجیتال، میتواند باعث ایجاد شک و تردید یا ایجاد انگیزهی خرید در سرمایهگذاران شود. در پژوهش حاضر دادههای کمی سازی شدهی احساسات از دو وبسایت augmento.ai و alternative.me دریافت شده و اثربخشی این دادهها برافزایش دقت پیشبینی قیمت بیت کوین، با استفاده از چند مدل یادگیری عمیق با معماریهای متفاوت که برای ساخت آنها از شبکههای عصبی LSTM، GRU و Bi-LSTM استفادهشده، بررسی شد. اضافه کردن ویژگی دادههای احساسات از منابع مذکور نتوانست در هیچیک از مدلهای استفادهشده، دقت پیشبینی را برای یک ساعت آینده، چهار ساعت آینده، یک روز آینده یا یک هفتهی آینده بهبود دهد. تنها بهبود جزعی مشاهدهشده مربوط به مدلهای Simple LSTM و Simple GRU برای پیش¬بینی هفت روز آینده با در نظر گرفتن دادههای شاخص ترس و طمع است. واژههای کلیدی: پیشبینی قیمت رمزارز، یادگیری عمیق، تحلیل احساسات، Bi-LSTM، LSTM، GRU |
| Register Number | Part3 | Version | Volume | Part | Part2 | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 283805 | 1 |
LoginWithYourAccountToPostComment