رمزگشایی از نوسانات بیت کوین: گام تصادفی و تشخیص حباب با مدل DS LPPLS
دوره 33، بهار و تابستان 1405، خرداد 1405
https://doi.org/10.22067/mfe.2025.91430.1488
ملیحه حیدری، محمد نبی شهیکی تاش، محمدرضا قاسمی
چکیده بازار بیتکوین، به دلیل نوسانات بالا، همواره مورد توجه سرمایهگذاران و پژوهشگران است. اما دو چالش اصلی در این بازار وجود دارد: تشخیص کارایی آن و شناسایی دورههای حباب قیمتی. این حبابها میتوانند به تصمیمگیریهای مالی اشتباه منجر شوند. باوجود تحقیقات زیاد، هنوز ابهاماتی در مورد رفتار غیرتصادفی و شکلگیری حبابهای قیمتی در بیتکوین وجود دارد. در این پژوهش، به بررسی کارایی بازار بیتکوین و تشخیص حبابهای احتمالی در آن با استفاده از مدل DS LPPLS و شاخصهای اطمینان و با استفاده از قیمت پایانی روزانه بیتکوین از ابتدای سال ۲۰۲۵ تا انتهای سال ۲۰۲۴ پرداخته شده است. با تحلیل نمودارهای قیمت و شاخصهای مرتبط، مشخص شد که بازار بیتکوین بهطورکلی از کارایی ضعیفی برخوردار نبوده و رفتار آن با مدل تصادفی کاملاً مطابقت ندارد. شاخصهای اطمینان و اعتماد که نشاندهنده احساسات سرمایهگذاران نسبت به بازار هستند، نوسانات شدیدی را تجربه کردهاند و همبستگی بالایی با تغییرات قیمت داشتهاند. افزایش ناگهانی و همزمان شاخصهای مثبت و قیمت، نشاندهنده شکلگیری حبابهای قیمتی در برخی دورهها است. نتایج این پژوهش حاکی از آن است که مدل DS LPPLS به همراه شاخصهای اطمینان و اعتماد، ابزاری قدرتمند برای تحلیل رفتار بازار بیتکوین و تشخیص حبابهای قیمتی است. بااینحال، برای کسب نتایج دقیقتر، نیاز به بررسی عمیقتر عوامل مؤثر بر بازار و استفاده از مدلهای پیچیدهتر است.
پیش بینی قیمت ارز دیجیتال با استفاده از شبکه های عصبی Gru
دوره 30، پاییز و زمستان 1402، مهر 1402، صفحه 31-68
https://doi.org/10.22067/mfe.2024.73643.1133
میلاد اسدپور، علیرضا رضائی
چکیده اقتصاد و پیشبینی شاخصهای آن یکی از ارکان اصلی و تاثیرگذار در زندگی هر فردی است و میتواند زمینه ساز برتری افراد و دولتها نسبت به سایرین باشد در نتیجه پیشبینی شاخصها همواره یکی از چالشها و دغدغههای اصلی اقتصاددانان و سرمایهگذاران است. از طرفی با ظهور رمزارزها و افزایش ارزش قیمتی آنها سرمایه گذاری بسیاری در این زمینه انجام گرفته است لذا یافتن روشهایی برای پیشبینی قیمت رمزارزها در آینده از اهمیت بسیاری برخوردار است.
در این مقاله روشی برای پیشبینی قیمت بیت کوین با استفاده از الگوریتمهای هوش مصنوعی ارائه شده است. بدین منظور ویژگیهای تاثیرگذار بر روی قیمت آینده بیتکوین شناسایی و در دو مجموعه داده جداگانه شامل دادههای قیمتی و دادههای ساختاری شبکه بیتکوین دستهبندی و استانداردسازی شد سپس ساختار نوینی متشکل از سه شبکهی عصبی پیشخور و بازگشتی طراحی گردید که شبکه اول و دوم شامل لایهی GRU است که به صورت موازی و مجزا از یکدیگر به پیشبینی قیمتها می پردازند. در ادامه، خروجی هر یک از این شبکهها توسط یک شبکه عصبی با یکدیگر تلفیق میشود و در نهایت مقادیری به عنوان پیشبینی قیمت روزهای آتی بدست میآید. نتیجه پژوهشها و محاسبه خطا نشاندهنده این است که استفاده از 15 و یا 20 روز گذشته بهترین بازه برای پیشبینی قیمت آینده بیتکوین میباشد که دقتی برابر با %36/97 و %76/96 دارند که نشان از دقت و کارایی بالای این روش دارد. هم چنین به دلیل انتخاب صحیح ویژگیهای ورودی حجم محاسباتی این پژوهش به مقدار قابل توجهی کاهش یافته است.
بررسی همبستگی شرطی پویا بین نفت خام و بیت کوین با تاکید بر کووید-19
دوره 30، پاییز و زمستان 1402، مهر 1402، صفحه 205-242
https://doi.org/10.22067/mfe.2023.81726.1293
مهدیه رضاقلی زاده، مجید آقایی، مهران عباس زاده
چکیده بازار جهانی نفت خام پس از شیوع ویروس کووید-19 در دسامبر ۲۰۱۹، رکود قابلتوجهی را تجربه نموده است. با توجه به این که قابلیت پناهگاه امن بودن دارایی ها، طی سالهای اخیر به یک موضوع موردعلاقه در میان محققان تبدیلشده است، پژوهش حاضر به طور تجربی همبستگیهای متغیر با زمان بین بازارهای بیت کوین و نفت را طی دوره زمانی 2021-2014 (به صورت روزانه) بررسی میکند تا به این سوال پاسخ دهد که آیا بیت کوین یک دارایی امن برای بازارهای بینالمللی نفت خام در طول دوره مورد بررسی ( با تأکید بر دوره شیوع کووید-19 ) است یا خیر؟ نتایج همبستگیهای متغیر با زمان بهدستآمده از طریق الگوی همبستگی شرطی پویا (DCC-GARCH) نشان میدهد که در طول کل دوره موردبررسی تقریباً همواره همبستگی شرطی پویای مثبت بین بیت کوین و نفت خام وجود داشته و این همبستگی شرطی مثبت در طی دوره شیوع ویروس کووید-19 افزایش نیز یافته است. این نتیجه بیانگر این است که نمیتوان بیت کوین را بهعنوان پناهگاه امن مطمئنی برای نوسانات قیمت نفت خام پذیرفت و فقط میتوان آن را بهعنوان یک تنوع دهنده در سبد دارایی در نظر گرفت.
