چکیده مقاله
بازار تبادل ارز خارجی فارکس یکی از بزرگترین و پویاترین بازارهای مالی جهان است که نوسانات شدید و غیر قابل پیش بینی آن، تحلیل و تصمیم گیری موثر را به چالشی اساسی تبدیل کرده است روش های سنتی تحلیل فنی و بنیادی به دلیل پیچیدگی روابط میان متغیرهای اقتصادی و رفتار غیرخطی بازار توان محدودی در پیش بینی دقیق روند قیمتها دارند در این پژوهش مدلی مبتنی بر شبکه عصبی بازگشتی با حافظه بلندمدت LSTM و بهینه سازی بیزی Bayesian Optimization برای پیش بینی نرخ تبادل جفت ارز EUR/USD ارائه شده است هدف مدل پیشنهادی بهبود دقت پیش بینی از طریق تنظیم خودکار ابر پارامترها و افزایش پایداری مدل در شرایط پرنوسان بازار است داده های تاریخی نرخ ارز از منابع واقعی گردآوری، نرمال سازی و به سه مجموعه ی آموزش، اعتبارسنجی و آزمون تقسیم شدند سپس با استفاده از الگوریتم بهینه سازی بیزی بر پارامترهای کلیدی مدل شامل نرخ یادگیری، اندازه ی دسته، طول پنجره ی ورودی و ضریب Dropout به صورت خودکار تنظیم گردیدند نتایج آزمایشی نشان می دهد که مدل پیشنهادی نسبت به مدل های پایه نظیر MLP، ARIMA و LSTM بدون بهینه سازی دقت بالاتری داشته و توانسته میانگین خطای RMSE را حدود ۱۷ درصد کاهش دهد یافته ها بیانگر کارایی مدل LSTM BO در پیش بینی روند نرخ ارز و قابلیت استفاده از آن به عنوان ابزار کمکی در تحلیل داده های مالی و تصمیم گیری معاملاتی است
کلیدواژه‌ها
نویسندگان
ساناز نوروزی لرکی
گروه مهندسی کامپیوتر واحد امیدیه دانشگاه آزاد اسلامی، امیدیه ایران
شیوه ارجاع
نوروزی لرکی، ساناز،1404،پیش بینی نرخ تبادل EUR/USD در بازار فارکس با استفاده از شبکه عصبی LSTM بهینه سازی شده با روش بیزی،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد
ارائه‌شده در
مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد