فهرست نشریات علمی دسترسی آزاد ایران

هدف از این پژوهش استفاده از مدل یادگیری جمعی برای ترکیب پیش‌بینی های مدل‌های جنگل تصادفی، حافظه طولانی کوتاه‌مدت و شبکه عصبی بازگشتی جهت ارائه یک سیستم معاملاتی الگوریتمی مبتنی بر آن می‌باشد. در این پژوهش یک مدل پیش‌بینی مبتنی بر مدل یادگیری ماشین جمعی ارائه شده است و عملکرد آن با هر یک از زیر الگوریتم ها و داده‌های واقعی مقایسه می‌شود. در این پژوهش در مرحله اول با استفاده از سه مدل یادگیری ماشین، سقف و کف قیمت بیت‌کوین پیش‌بینی شده است. در مرحله دوم، خروجی‌های مدل‌ها به عنوان متغیرهای ویژگی به مدل­های XGboost  و LightGBM جهت پیش‌بینی سقف و کف‌ها ارائه شده است. سپس در مرحله سوم خروجی‌های مرحله دوم، با الگوی دسته بندی رای گیری جمعی برای پیش‌بینی سقف و کف بعدی، ترکیب می­شوند. داده‌های سقف و کف قیمت بیت‌کوین در تایم فریم 1 ساعته از تاریخ 1/1/2018 الی آخر 30/6/2022 به عنوان متغیر هدف و 31 اندیکاتور تحلیل تکنیکال به عنوان متغیر ویژگی برای سه مدل در مرحله اول استفاده شده‌اند. در نهایت مقادیر پیش‌بینی و سیستم های معاملاتی الگوریتمی با داده‌های واقعی برای 3 مدل و مدل یادگیری جمعی معرفی شده مورد ارزیابی و مقایسه قرار گرفتند. نتایج به دست آمده نشان‌دهنده ارتقا عملکرد دقت و صحت مدل یادگیری جمعی پیشنهاد شده در پیش‌بینی سقف و کف بیت‌کوین و همچنین، عملکرد بهتر آن نسبت به زیر الگوریتم‌ها می‌باشد