بررسی تأثیر شاخص ترس و طمع برای رمزارز بر قیمت بیت‌کوین با استفاده از مدل یادگیری عمیق Bi-LSTM [پايان نامه فارسي]
علیرضا مشیریان دزفولیان
| شناسگر رکورد: | ۵۲۲۴۰ |
| رشته تحصیلی: | اقتصاد و تجارت الکترونیک |
| عنوان: | بررسی تأثیر شاخص ترس و طمع برای رمزارز بر قیمت بیت‌کوین با استفاده از مدل یادگیری عمیق Bi-LSTM |
| نويسنده: | علیرضا مشیریان دزفولیان |
| استاد راهنما : | دکتر شعله باقری پرمهر دکتر رباب کلانتری |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۴ |
| چکیده: | بازار رمزارزها طی سال‌های اخیر به‌عنوان یکی از مهم ترین بازارهای مالی شناخته شده است و توجه بسیاری از پژوهشگران و سرمایه‌گذاران را به خود جلب کرده است. در این میان، احساسات سرمایه‌گذاران نقشی اساسی در شکل‌گیری رفتار قیمتی ایفا می‌کند. هدف پژوهش حاضر، بررسی اثر شاخص ترس و طمع رمزارز به‌عنوان یکی از مهم‌ترین سنجه‌های عمومی احساسات، بر قابلیت پیش‌بینی قیمت بیت‌کوین با استفاده از مدل یادگیری عمیق حافظه بلندمدت–کوتاه‌مدت دوسویه (Bi-LSTM) است.داده‌های پژوهش شامل قیمت پایانی ، حجم معاملات، و نوسان تحقق‌یافته (محاسبه‌شده به روش راجرز–سچل) به همراه مقادیر روزانه شاخص ترس و طمع رمزارز در بازه زمانی ۲۰۲۰ تا ۲۰۲۴ است. در طراحی مدل، ابتدا مدل پایه تنها آموزش داده شد و سپس اثر افزودن شاخص ترس و طمع به تنهایی و در ادامه همراه با ویژگی‌های مشتق‌شده آن (مانند وقفه‌ها و میانگین‌های متحرک) بررسی گردید. علاوه بر این، سناریوهایی ویژه برای دوره‌های احساسات شدید (ترس شدید و طمع شدید) طراحی شد تا پویایی احتمالی شاخص در شرایط مرزی نیز آزموده شود. بهینه‌سازی ابرپارامترهای مدل با بهره‌گیری از چارچوب Optuna انجام شد و عملکرد مدل‌ها با معیارهای متداول از جملهMAE ، MSE، MedAE، MAPE و ضریب تعیین (R۲) ارزیابی گردید.نتایج نشان داد که افزودن شاخص ترس و طمع رمزارز ـ چه به صورت مستقیم، چه به همراه ویژگی‌های مشتق‌شده، و چه در سناریوهای احساسات شدید ـ بهبود معناداری در دقت پیش‌بینی قیمت بیت‌کوین ایجاد نکرد. این یافته‌ها بیانگر آن است که شاخص ترس و طمع برای رمزارز، به دلیل فرکانس پایین (روزانه) و همپوشانی اطلاعاتی بالا با متغیرهای مدل پایه، توانایی ارائه اطلاعات مکمل کافی به مدل را ندارد. این نتیجه با برخی مطالعات پیشین که از شاخص‌های احساسی با فرکانس بالاتر (مانند داده‌های ساعتی شبکه‌های اجتماعی و اخبار) استفاده کرده‌اند تفاوت دارد.نوآوری این تحقیق در آن است که برای نخستین بار اثر مستقل شاخص ترس و طمع رمزارز، با استفاده از معماری Bi-LSTM، به‌طور نظام‌مند در پیش‌بینی قیمت بیت‌کوین ارزیابی شد. با وجود این، محدودیت‌هایی همچون دسترسی نداشتن به داده‌های احساسات با فرکانس بالا یا شاخص های ترکیبی می‌تواند بر تعمیم‌پذیری نتایج اثرگذار باشد. بر این اساس، پیشنهاد می‌شود در پژوهش‌های آتی، از داده‌های احساسات با فرکانس بالاتر، ترکیب چند شاخص احساسی و یا تغییر متغیر هدف از سطح قیمت به بازده یا جهت حرکت بازار استفاده شود. |
| واژگان کلیدی: | احساسات سرمایه‌گذاران، شاخص ترس و طمع برای رمزارز، بیت‌کوین، یادگیری عمیق، مدل Bi-LSTM |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 284863 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید