پیش بینی ریسک بیت کوین با رگرسیون چندکی و شبکه های عصبی مصنوعی

چکیده مقاله

پیش بینی ریسک و مدیریت آن همواره یکی از دغدغه های اصلی سیاستگذاران و سرمایه گذاران مالی می باشد از آنجایی که اکثر داده های سری زمانی مالی دارای توزیع نامتقارن با دنباله های کشیده، وجود ناهمسانی واریانس و داده های پرت هستند یکی از این روشها که در چند دهه ی اخیر مورد استقبال بسیار قرار گرفته است مدل های شبکه عصبی مصنوعی و تلفیق آنها با مدل های رگرسیون چندگی می باشد هدف این مقاله به کارگیری مدل تلفیقی شبکه های عصبی بازگشتی اتورگرسیو چندکی QARNN جهت پیش بینی ارزش در معرض ریسک داده های سری زمانی بیت کوین در بازه زمانی ۲۰۱۴ تا ۲۰۱۹ و مقایسه آن با مدل های QRNN ، CAviaR ،Riskmetric ، APARCHمی باشد نتایج یافته ها حاکی از برتری مدل QARNN در داده های قیمت بیت کوین در بسیاری از مواقع و با تغییر مقدار چندک ها در بسیاری از موارد می باشد

کلیدواژه‌ها

نویسندگان

نفیسه دهقانی

دانشجو کارشناسی ارشد ریاضی مالی شاهد،دانشجو کارشناسی ارشد ریاضی کاربردی گرایش مالی، دانشگاه شاهد تهران

سیده نفیسه آل محمد

استادیار گروه ریاضی و علوم کامپیوتر دانشگاه شاهد،تهران

�هقانی، نفیسه و آل محمد، سیده نفیسه،1399،پیش بینی ریسک بیت کوین با رگرسیون چندکی و شبکه های عصبی مصنوعی،چهارمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی15 اسفند 1400 · اهواز