ارائه مدل پيش‌بيني بازدهي بيت‌كوين با استفاده از روش هيبريدي يادگيري عميق - الگوريتم تجزيه سيگنال (CEEMD- DL)

با افزايش محبوبيت و فراگير شدن رمزارزها، ايجاد و توسعه روش هاي پيش بيني حركت هاي قيمتي در اين حوزه، توجهات زيادي را به خود جلب كرده است. در اين بين مدل هاي يادگيري عميق (DL) با ساختارهايي مانند حافظه طولاني كوتاه مدت (LSTM)  و شبكه عصبي كانولوشني (CNN) پيشرفت هايي در تحليل اين نوع از داده ها ايجاد كرده است. يكي ديگر از رويكردهايي كه مي تواند در تحليل قيمتي بازار رمزارزها  كارا باشد تجزيه سيگنال هاي از طريق الگوريتم هايي مانند تجزيه مد تجربي يكپارچه كامل (CEEMD) مي باشد. با توجه به اهميت مقوله پيش بيني در بازار رمز ارزها، در اين تحقيق با تركيب مدل هاي يادگيري عميق و روش تجزيه مد تجربي يكپارچه كامل (CEEMD)، مدل هيبريدي  CEEMD- DL(LSTM) به منظور پيش بيني بازدهي قيمتي رمز ارز بيت كوين (به عنوان محبوب ترين رمز ارز) مورد استفاده قرار گرفته است. در اين راستا از داده هاي روزانه قيمتي بيت كوين در دوره زماني2013/01/01 - 2022/05/28  استفاده گرديد و نتايج بدست آمده با نتايج مدل هاي رقيب بر اساس معيارهاي سنجش كارايي مقايسه شد. بر اساس نتايج بدست آمده، استفاده از مدل معرفي شده (CEEMD- DL(LSTM)) ، كارايي و دقت پيش بيني هاي بازدهي رمزارز بيت كوين را افزايش داده است. بر همين اساس كاربرد اين مدل به منظور پيش بيني در اين حوزه پيشنهاد مي گردد.