پیشبینی قیمت ارز دیجیتال با استفاده از تحلیل مقالات توییتر و خبری

این هشدار با موفقیت اضافه شد و به این آدرس ارسال خواهد شد: هر زمان که سابقه ای که انتخاب کرده اید ذکر شد به شما اطلاع داده می شود.

برای مدیریت تنظیمات برگزیده هشدار، روی دکمه زیر کلیک کنید. مدیریت هشدارهای من

هشدار نقل قول جدید!

لطفا وارد حساب کاربری خود شوید

ذخیره در Binder

نام

IC3-2022: مجموعه مقالات چهاردهمین کنفرانس بین المللی محاسبات معاصر 2022

پیش بینی قیمت ارز دیجیتال با استفاده از تحلیل مقالات توییتر و خبری

صفحات 225-233

خلاصه

با توجه به تعریف مجدد پول و نوسانات قیمت آن، ارزهای دیجیتال به یکی از برجسته ترین پدیده ها در سال های اخیر تبدیل شده اند. این تحقیق بررسی می کند که چگونه افکار عمومی در توییتر و داستان های خبری ممکن است برای تخمین بازده ارز دیجیتال مورد استفاده قرار گیرد. سه مدل طراحی و مقایسه می شوند: مدل های مبتنی بر LSTM، مدل های مبتنی بر LSTM و GRU، و مدل های مبتنی بر LSTM و CNN. در مرحله اول، اعداد و مجموعه داده های تاریخی بیت کوین ها برای هر سه مدل استفاده می شوند، که بیشتر به مجموعه داده های توییتر و اخبار توسعه داده می شوند. نمره خطای 1015. 17، 1106. 71 و 3010. 63 به دست می آید. سپس مدل های پیشنهادی روی مجموعه داده های ترکیبی توییتر و اخبار اتریوم اعمال می شوند و امتیاز خطای 47. 85، 34. 01 و 58. 27 به دست می آید. در نهایت، همین روش برای مجموعه داده های ترکیبی لایت کوین اعمال شده و امتیاز خطای 9. 45، 8. 81 و 15. 94 به دست آمده است. مشاهده می شود که LSTM با GRU بهترین نتایج را برای همه مجموعه داده ها ایجاد می کند.

منابع

1. X. He, J. Lin, K. Li, and X. Chen, "یک طرح جدید مدیریت کیف پول رمزنگاری مبتنی بر اختلال چندمحدودیتی غیرمتمرکز" IEEE Access، جلد. 7، صفحات 185250 185263، 2019، doi: 10. 1109/ACCESS. 2019. 2961183. مرجع Google ScholarCross
2. O. Sattarov، H. S. Jeon، R. Oh، و J. D. Lee، "پیش بینی نوسانات قیمت بیت کوین توسط تجزیه و تحلیل احساسات توییتر"، 2020 بین المللی. Conf. Inf. علمیاشتراک. تکنولوژیICISCT 2020، صفحات 0-3، 2020، doi: 10. 1109/ICISCT50599. 2020. 9351527. مرجع Google ScholarCross
3. Z. Chen، C. Li، و W. Sun، "پیش بینی قیمت بیت کوین با استفاده از یادگیری ماشین: رویکردی به مهندسی ابعاد نمونه"، J. Comput. Appl. ریاضی، جلد. 365، ص. 112395، 2020، doi: 10. 1016/j. cam. 2019. 112395. کتابخانه دیجیتالی Google Scholar
4. Y. Hua، "پیش بینی قیمت بیت کوین با استفاده از ARIMA و LSTM"، E3S Web Conf., vol. 218، صفحات 1-6، 2020، doi: 10. 1051/e3sconf/202021801050. Google Scholar
5. L. Kristoufek ، "بیت کوین با Google Trends و Wikipedia ملاقات می کند: کمیت رابطه بین پدیده های دوران اینترنت ،" Sci. نماینده ، جلد. 3 ، صص 1-7 ، 2013 ، doi: 10. 1038/srep03415. Google Scholarcross Ref
6. Y. بن کیم ، "پیش بینی نوسانات در معاملات cryptocurrency بر اساس نظرات و پاسخ های کاربر ،" PLOS ONE ، جلد. 11 ، نه. 8 ، صص 1 17 ، 2016 ، doi: 10. 1371/joual. pone. 0161197. گوگل دانشکده
7. S. McNally ، J. Roche و S. Caton ، "پیش بینی قیمت بیت کوین با استفاده از یادگیری ماشین ،" Proc.- 26th Euromicro Int. کنفرانسموازی ، توزیع. فرآیند مبتنی بر شبکه. PDP 2018 ، صص 339-343 ، 2018 ، doi: 10. 1109/pdp2018. 2018. 00060. Google Scholarcross Ref
8. M. Poongodi ، "پیش بینی قیمت Cryptocurrency blockchain Ethereum در یک سیستم دارایی صنعتی" ، رایانه. برقمهندس ، جلد. 81 ، ص. 106527 ، 2020 ، doi: 10. 1016/j. compeleceng. 2019. 106527. کتابخانه Scholardigital Google
9. M. M. Patel ، S. Tanwar ، R. Gupta ، and N. Kumar ، "یک طرح پیش بینی قیمت رمزنگاری مبتنی بر یادگیری عمیق برای موسسات مالی ،" J. Inf. سکوAppl. ، Vol. 55 ، نه. مه ، ص. 102583 ، 2020 ، doi: 10. 1016/j. jisa. 2020. 102583. Google Scholarcross Ref
10. X. Li ، P. Wu ، و W. Wang ، "شامل قیمت سهام و احساسات خبری برای پیش بینی بازار سهام: یک مورد از هنگ کنگ ،" Inf. روند. Manag. ، Vol. 57 ، نه. 5 ، ص. 102212 ، 2020 ، doi: 10. 1016/j. ipm. 2020. 102212. Google Scholarcross Ref
11. D. Wang و Y. Zhao ، "استفاده از اخبار برای پیش بینی احساسات سرمایه گذار: بر اساس مدل SVM ،" Compute Compute. Sci. ، Vol. 174 ، نه. 2019 ، صص 191-199 ، 2020 ، doi: 10. 1016/j. procs. 2020. 06. 074. Google Scholarcross Ref
12. M. Nakano ، A. Takahashi و S. Takahashi ، "تجارت فنی بیت کوین با شبکه عصبی مصنوعی" ، فیزیک. یک آمارمکانیکبرنامه آن ، جلد. 510 ، صص 587-609 ، 2018 ، doi: 10. 1016/j. physa. 2018. 07. 017. Google Scholarcross Ref
13. T. Shintate و L. Pichl ، "طبقه بندی پیش بینی روند برای سری زمانی بیت کوین با فرکانس بالا با یادگیری عمیق ،" J. Risk Financy. Manag. ، Vol. 12 ، نه. 1 ، ص. 17 ، 2019 ، doi: 10. 3390/jrfm12010017. Google Scholarcross Ref
14. S. Ji ، J. Kim و H. Im ، "یک مطالعه مقایسه ای پیش بینی قیمت بیت کوین با استفاده از یادگیری عمیق ،" ریاضیات ، جلد. 7 ، نه. 10 ، 2019 ، doi: 10. 3390/math7100898. گوگل دانشکده
15. D. Kumar و S. K. Rath ، "پیش بینی روند قیمت اتریوم با استفاده از تکنیک های یادگیری عمیق ،" Adv. هوشsystرایانه. ، جلد. 1056 ، صص 103 114 ، 2020 ، doi: 10. 1007/978-981-15-0199-9_9. گوگل دانشکده
16. V. Karalevicius ، "استفاده از تجزیه و تحلیل احساسات برای پیش بینی حرکات قیمت بیت کوین بین روز ،" J. Risk Financy ، جلد. 19 ، نه. 1 ، صص 56-75 ، 2018 ، doi: 10. 1108/jrf-06-2017-0092. Google Scholarcross Ref
17. F. Mai ، Z. Shan ، Q. Bai ، X. (Shane) Wang ، and R. H. L. Chiang ، "رسانه های اجتماعی چگونه بر بیت کوین تأثیر می گذارد؟آزمون فرضیه اکثریت خاموش ، "J. Manag. inf. syst. ، جلد. 35 ، نه. 1 ، صص 19-52 ، 2018 ، doi: 10. 1080/07421222. 2018. 1440774. Google Scholarcross Ref
18. I. Georgoula ، D. Pouarakis ، C. Bilanakos ، D. N. Sotiropoulos ، and G. M. Giaglis ، "استفاده از سری زمان و تجزیه و تحلیل احساسات برای تشخیص تعیین کننده های قیمت بیت کوین" ، SSRN Electron. J. ، 2015 ، doi: 10. 2139/ss. 2607167. گوگل دانشکده
19. R. N. Paramanik و V. Singhal ، "تجزیه و تحلیل احساسات از نوسانات بازار سهام هند ،" Compute Compute. Sci. ، Vol. 176 ، صص 330-338 ، 2020 ، doi: 10. 1016/j. procs. 2020. 08. 035. Google Scholarcross Ref
20. M. Nabipour ، P. Nayyeri ، H. Jabani ، S. Shahab و A. Mosavi ، "پیش بینی روند بازار سهام با استفاده از یادگیری ماشین و الگوریتم های یادگیری عمیق از طریق داده های مداوم و باینری. یک تحلیل تطبیقی ، "IEEE Access ، جلد. 8 ، صص 150199-150212 ، 2020 ، doi: 10. 1109/دسترسی . 2020. 3015966. Google Scholarcross Ref