پیشبینی نوسانات قیمت رمزارزهای دیجیتال با استفاده از یادگیری تقویتی، شبکههای عصبی و الگوریتمهای فراابتکاری [پايان نامه فارسي]
شایان درب امامیه
| شناسگر رکورد: | ۵۲۶۹۱ |
| رشته تحصیلی: | سیستم های مالی |
| عنوان: | پیشبینی نوسانات قیمت رمزارزهای دیجیتال با استفاده از یادگیری تقویتی، شبکههای عصبی و الگوریتمهای فراابتکاری |
| نويسنده: | شایان درب امامیه |
| استاد راهنما : | دکتر رویا سلطانی ازندریانی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۴ |
| چکیده: | بازار ارزهای دیجیتال به دلیل ماهیت به شدت پرنوسان، غیر خطی و پیچیده خود، همواره چالشهای فراوانی را برای معاملهگران و مدلهای سنتی اقتصادسنجی ایجاد کرده است. پژوهش حاضر با هدف غلبه بر این چالشها و توسعه یک سیستم خودکار معاملاتی، یک معماری هیبریدی سهلایه مبتنی بر هوش مصنوعی با عنوان PSO-LSTM-DQN را پیشنهاد میدهد. در این ساختار، ابتدا از الگوریتم هوش جمعی ازدحام ذرات (PSO) برای استخراج فرامتغیرهای بهینه شبکه عصبی استفاده میشود. سپس شبکه حافظه طولانی کوتاه-مدت (LSTM) با دریافت معماری بهینه، وابستگیهای زمانی دادهها را یاد گرفته و قیمت روز آینده را پیشبینی میکند. در لایه نهایی، خروجی پیشبین به عنوان یک سیگنال پیشنگر به بردار وضعیتِ یک عامل یادگیری تقویتی عمیق (DQN) تزریق میگردد تا عامل، استراتژیهای گسسته معاملاتی (خرید، فروش، نگهداری) را اتخاذ نماید. به منظور مهار ریسکهای سیستماتیک بازار، یک جریمه حداکثر افت سرمایه (MDD Penalty) در تابع پاداش عامل تعریف شده است. جامعه آماری این پژوهش شامل دادههای روزانه پنج رمزارز برتر بازار (بیتکوین، اتریوم، ریپل، لایتکوین و کاردانو) در بازه زمانی ۱ ژانویه ۲۰۲۴ تا ۱ ژانویه ۲۰۲۶ میباشد. نتایج حاصل نشان میدهد که مدل پیشنهادی نه تنها موفق به ثبت خطای بسیار پایینی در فاز پیشبینی شده است، بلکه عامل تقویتی توانسته است با غلبه قاطع بر استراتژی سنتی خرید و نگهداری، بازدهی کل و نسبت شارپ پورتفولیو را به حداکثر رسانده و از طریق نقد کردن به موقع داراییها در فازهای نزولی، از نابودی سرمایه جلوگیری کند. |
| واژگان کلیدی: | ارزهای دیجیتال یادگیری عمیق تقویتی شبکه کیو-عمیق (DQN) شبکه حافظه طولانی کوتاهمدت (LSTM) الگوریتم ازدحام ذرات (PSO) |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 285047 | 1 |
جهت مشاهده فایل دیجیتال با حساب کاربریتان وارد شوید
جهت ثبت نظر با حساب کاربری تان وارد شوید