كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / یازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

بررسی مدل‌های یادگیری ماشین در پیش‌بینی روند ارزهای دیجیتال

نویسندگان :

پژمان پیکانی¹ دانیال صبور²

1- دانشگاه خاتم 2- دانشگاه خاتم

کلمات کلیدی :

ارز دیجیتال،یادگیری ماشین،پیش‌بینی،XGBoost،جنگل تصادفی،ماشین بردار پشتیبان

چکیده :

بازار ارزهای دیجیتال به دلیل نوسانات بالا و ماهیت پیچیده خود، پیش‌بینی روند قیمتی را به یک چالش اساسی برای پژوهشگران و سرمایه‌گذاران تبدیل کرده است. این پژوهش با هدف بهبود دقت پیش‌بینی، سه مدل یادگیری ماشین شامل XGBoost، جنگل تصادفی و ماشین‌های بردار پشتیبان را برای پیش‌بینی روند روزانه سه ارز بیت‌کوین، اتریوم و سولانا در سه طبقه بازده منفی، خنثی و مثبت به کار گرفته است. داده‌های تاریخی از ۲۹ دسامبر ۲۰۲۴ تا ۳۱ ژوئیه ۲۰۲۵ از پایگاه یاهو فایننس استخراج و مجموعه‌ای متنوع از اندیکاتورهای تکنیکال به عنوان ویژگی‌های ورودی استفاده شد. برای بهبود عملکرد، هایپرپارامترهای هر مدل با روش بهینه‌سازی بیزی تنظیم گردید. نتایج نشان داد که مدل XGBoost با میانگین دقت ۶۷٫۷۴٪ بهترین عملکرد را داشته است. این نتایج بیانگر آن است که ترکیب مدل‌های پیشرفته یادگیری ماشین با اندیکاتورهای متنوع و بهینه‌سازی دقیق، می‌تواند به بهبود قابل توجه دقت پیش‌بینی در بازارهای پرتلاطم مانند بازار ارز دیجیتال منجر شود.