رویکردها و ابزارهای پیش بینی هوشمند فازی در حوزه ارزهای دیجیتال
الموضوعات :
داود زارع خانقاه
1
(
گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
)
علی محمدی
2
(
گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
)
محمد ایمانی برندق
3
(
گروه حسابداری و مدیریت دانشگاه زنچان،زنجان ،ایران
)
امیر نجفی
4
(
گروه مهندسی صنایع، واحد زنجان، دانشگاه آزاد اسلامی، زنجان ، ایران
)
الکلمات المفتاحية: G21, P34, واژههای کلیدی: پیش بینی, ارز دیجیتال, شبکه های عصبیِ فازی, سیستم های فازی, مدل های ترکیبی. طبقه بندی JEL : G11,
ملخص المقالة :
چکیده سیستم های ترکیبی مبتنی بر شبکه های عصبی مصنوعی و سیستم های فازی مدل های مختلفی را برای پیشرفت علم ارائه می دهند از آنجا که آنها مدل هایی هستند که می توانند با آموزش عملی شبکه های عصبی و ظرفیت تفسیری سیستم های فازی کار کنند. لذا هدف این پژوهش، بررسی سیستماتیک مهمترین تئوری های پیش بینی ارز دیجیتال مبتنی بر مدل های ترکیبی فازی و شبکه های عصبی مصنوعی است مدل هایی که عمدتاً بر روش های نظارت شده جهت سنجش مدل های ترکیبی متمرکز هستند همچنین، این بررسی ، تاریخچه مدل های ترکیبی، ترکیبات و قابلیت های معماری ، پردازش داده ها و روش های سنجش آنها، ویژگی های مدل های برجسته(پیشرو) و کاربردهای آنها در پیش بینی ارز دیجیتال را نیز شامل می شود نتایج نشان می دهد که مدل های شبکه عصبی فازی و مشتقات آنها در پیش بینی ارز دیجیتال با دقت بسیار بالا و با قابلیت توجیه مناسب که در طیف وسیعی از حوزه های اقتصادی و علمی کاربرد دارد، کارآمد هستند
فهرست منابع
حسنوند, علی, کریمی, محمد شریف, فلاحتی, علی, خانزادی, آزاد. اثر پیچیدگی اقتصادی بر نابرابری درآمدی در کشورهای منتخب در حال توسعه؛ رویکرد پانل دینامیک. اقتصاد مالی financial Economics, 1401; 16(58): 193-214. doi: 10.30495/fed.2022.691507
_||_