در سال‌هاي اخير استفاده از مدل‌هاي يادگيري ماشين در حوزه‌هاي مختلفي مورد استفاده قرارگرفته است. از جمله ‌اين حوزه‌ها مي‌توان به بازار رمزارزها اشاره کرد که بخش مهمي ‌از معاملات روزانه در آن توسط ربات‌هاي معامله‌گر هوشمند انجام مي‌شود. هدف اصلي‌اين مقاله، يافتن بهترين نقطه ورود به يک معامله با کمک روش هاي يادگيري ماشيني است. در‌اين مقاله از انديکاتورهاي شاخص قدرت نسبي (RSI) و ميانگين متحرک ساده (SMA) براي استخراج چندين ويژگي روندي و تلاقي استفاده شده است. سپس با استفاده از‌اين ويژگي‌ها، مدل‌هاي يادگيري شبکه عصبي چندلايه، ماشين بردار پشتيبان و نزديکترين همسايه آموزش داده مي‌شوند. در نهايت، عملکرد هريک از مدل‌ها بر روي داده‌هاي بازار ارزهاي ديجيتال در بازه هفت ماه نخست سال 2023 براي چندين ارز ديجيتال ارزيابي شده است. نتايج نشان مي‌دهند که اولاً ويژگی هاي استخراج شده از کارايي مناسبي برخوردارند و ثانياً مدل نزديکترين همسايه، نسبت به مدل هاي ديگر، بيشترين سود را در‌ اين بازه زماني کسب کرده است.