پیش‌بینی قیمت ارزهای دیجیتال با استفاده از مدل ترکیبی CNN-Bi-LSTM: مطالعه‌ای روی ارزهای بیت‌کوین، اتریوم، سولانا، نیر پروتکل [پايان نامه فارسي]

مهران رضائی نژاد

شناسگر رکورد: ۵۲۳۴۹
رشته تحصیلی: سیستم های مالی
عنوان: پیش‌بینی قیمت ارزهای دیجیتال با استفاده از مدل ترکیبی CNN-Bi-LSTM: مطالعه‌ای روی ارزهای بیت‌کوین، اتریوم، سولانا، نیر پروتکل
نويسنده: مهران رضائی نژاد
استاد راهنما : دکتر علیرضا شامخی امیری
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۴۰۴
چکیده: در سال‌های اخیر، بازار رمزارزها به‌عنوان یکی از پویاترین و نوآورانه‌ترین بخش‌های دنیای مالی دیجیتال شناخته شده است. نوسانات شدید قیمتی، رفتار غیرخطی و تأثیرپذیری از عوامل متنوع، پیش‌بینی قیمت این دارایی‌ها را به یک مسئله چالش‌برانگیز اما حیاتی تبدیل کرده است. پیش‌بینی دقیق قیمت رمزارزها می‌تواند به سرمایه‌گذاران، تحلیل‌گران مالی و تصمیم‌گیران در اتخاذ استراتژی‌های مناسب کمک شایانی نماید. با این حال، پیچیدگی داده‌های زمانی رمزارزها، از جمله رفتارهای غیرایستا و تغییرات سریع، نیازمند بهره‌گیری از مدل‌هایی قدرتمند و هوشمند در حوزه یادگیری عمیق است. در این پژوهش، یک مدل ترکیبی مبتنی بر مدل شبکه‌ عصبی پیچشی و حافظه کوتاه مدت طولانی دو جهته برای پیش‌بینی قیمت رمزارزها طراحی و پیاده‌سازی شده است. مدل پیشنهادی با بهره‌گیری از قابلیت مدل شبکه‌ عصبی پیچشی در استخراج ویژگی‌های معنایی و قدرت مدل حافظه کوتاه مدت طولانی دو جهته در درک وابستگی‌های زمانی گذشته و آینده، قادر است رفتار سری‌های زمانی قیمتی را با دقت بالا مدل‌سازی نماید. برای آموزش و ارزیابی مدل، داده‌های قیمت روزانه مربوط به رمزارزهای بیت‌کوین، اتریوم، سولانا، دوج‌کوین، نیر پروتکل و چین‌لینک طی بازه‌های زمانی مختلف گردآوری و پیش‌پردازش شدند. نتایج حاصل از آزمایش‌ها نشان داد که مدل ترکیبی پیشنهادی در مقایسه با روش‌های پایه، عملکرد بهتری در پیش‌بینی قیمت رمزارزها داشته و توانسته است خطای پیش‌بینی را در معیارهای MSE، MAE و MAPE کاهش دهد. این پژوهش می‌تواند به توسعه ابزارهای هوشمند در حوزه تحلیل بازارهای مالی و طراحی سامانه‌های تصمیم‌گیری برای سرمایه‌گذاران رمزارز کمک کند.
واژگان کلیدی: یادگیری عمیق، پیش‌بینی سری‌های زمانی، پیش‌بینی قیمت رمزارز، مدل حافظه کوتاه مدت طولانی دو جهته (Bi-LSTM)، شبکه عصبی پیچشی (CNN)
شماره ثبت جزء نسخه جلد بخش قسمت مرجع شماره بازیابی در دست امانت تاریخ بازگشت ملاحظات
284910 1
Copyright 2026 by Payam Hannan co ltd. PayamLib.com