بررسی و مقایسه کارایی مدل‌های اقتصادسنجی (ARIMA و GARCH) و هوش مصنوعی (SVM و ANFIS) در پیش‌بینی قیمت رمزارزها (مطالعه موردی بیت کوین)

اقتصاد پولی مالی

دوره 31، پاییز و زمستان 1403 - شماره پیاپی 28، دی 1403

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/mfe.2024.86389.1382

نویسندگان

صادق بافنده ایماندوست^{* 1}؛ مهدی بهنامه²؛ مهدی روشن³

¹دانشیار گروه اقتصاد، دانشگاه پیام نور، تهران، ایران.

²دانشیار گروه اقتصاد،دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

³کارشناسی ارشد اقتصاد، دانشگاه پیام نور، تهران، ایران.

چکیده

در این مطالعه به پیش‌بینی مقایسه‌ای قیمت بیت کوین با استفاده از مدل‌های اقتصادسنجی و هوش مصنوعی پرداخته شد. برای این منظور، داده‌های روزانه قیمت بیت کوین مربوط به دوره 1 ژانویه 2016 تا 1 ژانویه 2023 از وب سایت صرافی بیت استمپ گردآوری شد. علاوه براین، در این مطالعه در تمامی افق‌ها، 70 % داده‌ها به آموزش مدل‌های هوش مصنوعی و تصریح مدل‌های اقتصادسنجی و 30 % باقیمانده به آزمون خروجی مدل‌های هوش مصنوعی و پیش‌بینی‌های خارج از نمونه مدل‌های اقتصادسنجی اختصاص داده شد. همچنین، به‌منظور ارزیابی کارایی مدل‌ها، از معیارهای ضریب نیکویی برازش (R2)، میانگین قدر مطلق انحرافات (MAD) و ریشه میانگین مربع خطا (RMSE) استفاده شد. در نهایت، جهت بررسی اختلاف آماری کارایی مدل‌های مورد بررسی در پیش‌بینی قیمت روزانه قیمت بیت کوین از آزمون F مقید استفاده شد. نتایج نشان داد که متوسط قیمت روزانه بیت کوین از 449.71 دلار در 1 ژانویه 2016 تا 16555.75 دلار در 1 ژانویه 2023 در نوسان بوده است. همچنین، حداقل و حداکثر مقدار آن به ترتیب معادل 370.21 دلار (3 فوریه 2016) و 67482.75 دلار (9 نوامبر 2021) بوده است. علاوه براین، در تمامی مدل‌ها با افزایش افق پیش‌بینی از 1 به 4 روز آتی، کارایی پیش‌بینی قیمت روزانه بیت کوین کاهش می‌یابد. در نهایت، یافته‌های مقایسه کارایی مدل‌های مورد بررسی مؤید این است که به‌ترتیب مدل‌های ماشین بردار پشتیبان (SVM)، سیستم استنتاجی- تطبیقی عصبی- فازی (ANFIS)، واریانس ناهمسانی شرطی اتورگرسیو (GARCH) و خودرگرسیون میانگین متحرک انباشته (ARIMA) از بیشترین کارایی برخوردار می‌باشند.

کلیدواژه‌ها

روشهای پیشبینی؛ مدل ARIMA؛ مدل واریانس ناهمسانی شرطی اتورگرسیو؛ مدل SVM؛ مدل ANFIS

مراجع