کاربرد الگوریتم های یادگیری ماشین جهت پیش بینی قیمت و مدیریت ریسک همزمان و بهینه برای پرتفوی مبتنی بر رمز ارز

چکیده مقاله

بازار ارزهای دیجیتال به دلیل نوسانات بالا و پیچیدگی های ذاتی، چالش های منحصربه فردی را برای سرمایه گذاران و پژوهشگران ایجاد کرده است این پژوهش با هدف توسعه روشی ترکیبی برای پیش بینی قیمت و بهینه سازی پرتفوی، به بررسی الگوریتم های پیشرفته یادگیری ماشین و بهینه سازی ازدحام ذرات پرداخته است نتایج نشان می دهد که الگوریتم های یادگیری جمعی، به ویژه XGB، با دقت پیش بینی بالا MSE=۰ ۰۰۴۶ و بازده سالانه ۳۸ ۵% بهترین عملکرد را دارند پرتفوی بهینه شامل ترکیبی از رمزارزهای با ارزش بازاری بالا مانند BTC و رمزارزهای نوظهور مانند WLD است که تعادل مناسبی بین بازده و ریسک ایجاد می کند این مطالعه محدودیت هایی مانند داده های محدود و عدم بررسی عوامل خارجی را شناسایی کرده و پیشنهاداتی از جمله استفاده از تحلیل احساسات و داده های زمانی واقعی برای تحقیقات آتی ارائه می دهد این پژوهش راهنمایی برای سرمایه گذاران و پژوهشگران در توسعه ابزارهای پیشرفته مدیریت پرتفوی ارائه می کند

کلیدواژه‌ها

نویسندگان

محمد رستگار مقدم عیدیان

دانشگاه آزاد اسلامی، واحد تهران مرکزی، دانشکده مدیریت

سید محمد مهدی بهشتی نژاد

دانشگاه آزاد اسلامی، واحد تهران مرکزی، دانشکده مدیریت

مقدم عیدیان، محمد رستگار و بهشتی نژاد، سید محمد مهدی،1404،کاربرد الگوریتم های یادگیری ماشین جهت پیش بینی قیمت و مدیریت ریسک همزمان و بهینه برای پرتفوی مبتنی بر رمز ارز،دومین کنفرانس ملی "بدون نفت، چگونه؟"،تهران

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی "بدون نفت، چگونه؟"6 آذر 1404 · تهران