اندازه گيري خطاي پيش بيني قيمت روزانه و ماهانه بيت كوين با استفاده از روش هاي مدل خاكستري، شبكه عصبي مصنوعي پس انتشار و مدل تلفيقي شبكه عصبي خاكستري

يكي از اين فناوري هاي جديد در حوزه فناوري هاي مالي ، ارزهاي مبتني بر زنجيره بلوكي است كه تحت عنوان رمزارزها شناخته مي شوند. رمزارزها با توجه به مزايايي مانند سرعت تراكنش بالا، هزينه هاي پايين و مهمتر از همه غيرمتمركز بودنشان، اين روزها با اقبال زيادي مواجه شده اند .اولين رمزارز شناخته شده در جهان بيت كوين است و به دليل اينكه بازار رمز ارزها نوپاست در حال حاضر پيشروي اين بازار بيت كوين است. با توجه به اينكه مقدار داده هاي گذشته قيمت بيت كوين رفتـار غيـر خطي دارند، هدف اين مقاله پيش بيني قيمت بيت كوين با استفاده از روش هاي مدل خاكستري، مدل شبكه عصبي مصنوعي پس انتشار و مدل تلفيقي شبكه عصبي-خاكستري و در ادامه اندازه گيري دقت پيش بيني هر يك از اين روش ها با استفاده از شاخص هاي RMSE و MAPE است. براي اين منظور از داده هاي قيمتي 5 ساله بيت كوين (2014-2018) استفاده شده و ميزان RMSE و MAPE براي سه مدل مذكور نسبت به قيمت واقعي بيت كوين هم در مدت روزانه و هم در مدت ماهانه محاسبه شده است. نتايج حاكي از آن است كه جهت برآورد قيمت روزانه بيت كوين، مدل شبكه عصبي پس انتشار كمترين ميانگين مطلق درصد خطاها (5.6 درصد) را نسبت به مدل خاكستري و مدل تلفيقي عصبي خاكستري داشته است. همچنين در پيش بيني قيمت ماهانه بيت كوين، مدل تلفيقي شبكه عصبي خاكستري كمترين ميانگين مطلق درصد خطاها (9 درصد)، عملكرد بهتري را نسبت به مدل شبكه عصبي و مدل خاكستري داشته است.