پیش‌بینی قیمت رمز ارز بیت‌کوین با استفاده از شبکه عصبی مصنوعی بهینه‌سازی شده توسط الگوریتم‌های بهینه‌سازی فراابتکاری

رمز ارز ها، ارز های دیجیتالی مبتنی بر فناوری بلاک ‌چین هستند که با استفاده از تکنولوژی رمزنگاری، امنیت و کنترل ایجاد واحدهای جدید را تامین می‌کنند و به صورت مستقل از بانک‏ها و دولت‌ها عمل می‌کنند. بیت کوین، اتریوم و لایت‌کوین از معروف‌ترین رمز ارزها هستند که برای تبادل ارزش و سرمایه‌گذاری استفاده می‌شوند. پیش‌بینی قیمت این ارزها با تحلیل داده‌های تاریخی و عوامل موثر بر بازار انجام می‌شود تا به سرمایه‌گذاران در تصمیم‌گیری بهتر کمک نماید. برای موفقیت در بازارهای مالی، تخصص و آگاهی ضروری است؛ بنابراین سرمایه‌گذاران همواره به دنبال روش‌هایی جهت پیش‌بینی دقیق‌تر قیمت رمز ارزها، به‌ویژه بیت کوین هستند. با پیشرفت کامپیوترها و افزایش قدرت پردازش آنها، روش‌های هوش مصنوعی مانند شبکه‌های عصبی مصنوعی به ابزارهایی برای پیش‌بینی دقیق‌تر قیمت رمز ارزها تبدیل شده‌اند. در این پژوهش، به پیش‌بینی قیمت رمز ارز بیت‌کوین در بازه‌های زمانی کوتاه‌مدت (10 روزه) و بلندمدت (30 روزه) با استفاده از شبکه عصبی مصنوعی بهینه‌سازی‌شده توسط شش الگوریتم بهینه‌سازی فراابتکاری به نام‌های الگوریتم‌ بهینه‌ساز سیاسی (po)، الگوریتم سلسله مراتب رتبه در شرکت (hbo)، الگوریتم بهینه‌ساز رنگ‌های تصادفی (spo)، الگوریتم ساخت اهرام جیزه (gpc)، الگوریتم بهینه‌ساز شاهین آتشین (fho) و الگوریتم بهینه‌ساز روباه (fox) پرداخته شد و نتایج این شش حالت با یکدیگر مقایسه گردید. نتایج نشان داد در بازه زمانی کوتاه‌مدت 10 روزه و بلندمدت 30 روزه، عملکرد پیش‌بینی شبکه عصبی بهینه‌سازی‌شده توسط الگوریتم gpc به‌ترتیب با ضریب تعیین 88/0 و 72/0 بهتر از سایر الگوریتم‌ها بوده است.

prediction of bitcoin cryptocurrency prices using artificial neural networks optimized by metaheuristic optimization algorithms

cryptocurrencies like bitcoin, ethereum, and litecoin are digital currencies secured by cryptographic technology and based on blockchain, a distributed ledger for transaction verification. operating independently of banks and governments, cryptocurrencies are widely used for value exchange, investment, and online transactions. forecasting cryptocurrency prices involves analyzing historical data and market factors to estimate future trends, helping investors and traders make informed decisions. with advancements in computing power, artificial intelligence, particularly artificial neural networks (anns), has emerged as a reliable tool for price prediction. this study investigates bitcoin price prediction over short-term (10-day) and long-term (30-day) intervals using anns optimized by six metaheuristic algorithms: political optimizer (po), heap-based optimizer (hbo), stochastic paint optimizer (spo), giza pyramids construction (gpc), fire hawk optimizer (fho), and fox-inspired optimization algorithm (fox). performance comparisons of these algorithms revealed that the gpc-optimized ann consistently outperformed others. in the 10-day interval, the gpc-optimized ann achieved a determination coefficient of 0.88, demonstrating superior short-term prediction accuracy. similarly, in the 30-day interval, it achieved a determination coefficient of 0.72, outperforming other models in long-term forecasting as well. these findings highlight the potential of combining anns with advanced optimization algorithms to improve cryptocurrency price prediction accuracy, offering valuable insights for traders and investors.