المؤلف
جيزيجي، عبد الخالق باتور
تاريخ النشر
2024
الموضوع
التعلم العميق (التعلم الآلي)، العملات المشفرة، البيتكوين، التمويل، النماذج الرياضية، الذكاء الاصطناعي، التطبيقات المالية
النوع
وثيقة
اللغة
الإنجليزية
رقمي
نعم
مخطوط
لا
المكتبة
جامعة اوزيجين
رقم السجل
9637baaa-9e29-46be-adb2-c4b9735262b7
موقع المكتبة
قسم الذكاء الاصطناعي
التاريخ
2024
نص عينة
لقد حظي مجال التداول الخوارزمي، مدفوعًا بمنهجيات التعلم العميق، باهتمام كبير في الآونة الأخيرة. ضمن هذا المجال، ظهرت المحولات والشبكات العصبية التلافيفية والتقنيات القائمة على تضمين التصحيح كخيارات شائعة داخل مجتمع الرؤية الحاسوبية. هنا، مستوحاة من أحدث منهجيات الرؤية الحاسوبية المتطورة والعمل الحالي الذي يوضح القدرة على التحويل الشبيه بالصور لمجموعات بيانات السلاسل الزمنية، نحن نطبق أساليب أكثر تقدمًا تعتمد على المحولات والتصحيح للتنبؤ بأسعار الأصول وحركات الأسعار الاتجاهية. تشمل نماذج المحولات المستخدمة محولات الرؤية (ViT)، ومحولات الصور ذات كفاءة البيانات (DeiT)، وSwin. نحن نستخدم ConvMixer لبنية الشبكة العصبية التلافيفية القائمة على التضمين بدون محول. تهدف منهجياتنا المعتمدة على المحولات والتصحيح إلى التنبؤ بأسعار الأصول والحركات الاتجاهية باستخدام بيانات الأسعار التاريخية من خلال الاستفادة من الخصائص المشابهة للصور ضمن مجموعة بيانات السلاسل الزمنية التاريخية. قبل تنفيذ البنى القائمة على الاهتمام، يتم تحويل مجموعة بيانات أسعار السلاسل الزمنية التاريخية إلى صور ثنائية الأبعاد. يتم تسهيل هذا التحول من خلال دمج العديد من المؤشرات المالية الفنية المشتركة، حيث يساهم كل منها في البيانات لعدد محدد من الأيام المتتالية. وبالتالي، يتم إنشاء مجموعة متنوعة من الصور ثنائية الأبعاد، مما يعكس أبعادًا مختلفة لمجموعة البيانات. بعد ذلك، تم الإشارة إلى الصور الأصلية التي تصور وديان السوق وقممها بتسميات مثل Hold أو Buy أو Sell. ووفقا للتجارب، فإن النماذج المدربة القائمة على الاهتمام تتفوق باستمرار على الهياكل التلافيفية الأساسية، وخاصة عند تطبيقها على مجموعة فرعية من الصناديق المتداولة في البورصة (ETFs) المتداولة بشكل متكرر. ويتجلى هذا الأداء الأفضل للبنى القائمة على الاهتمام، وخاصة ViT، من حيث الدقة ومقاييس التقييم المالي الأخرى، خاصة أثناء فترات الاختبار والاحتفاظ الممتدة. وتؤكد هذه النتائج على إمكانات النهج القائم على المحولات لتعزيز القدرات التنبؤية في أسعار الأصول والتنبؤ الاتجاهي. Bu alanda, d¨on¨u¸st¨ur¨uc¨uler, evri¸simli sinir a˘gları ve yama g¨omme tabanlı teknikler bilgisayarla g¨orme toplulu˘gu i¸cinde pop¨uler se¸cenekler olarak ortaya ¸cıkmı¸stır. Burada, en jeni bilgisayarla g¨u¸s¨um mev-cute mev-cut ¸calı¸smalardan esinlenerek, varlık fiyatlarını ve y¨onl¨u fiyat hareketlerini tahmin etmek i¸cin daha geli¸smi¸s d¨on¨u¸st¨ur¨uc¨u tabanlı ve yama tabanlı yakla¸sımlar uyguluy oruz. تم تصميم هذه النماذج لمحولات الرؤية (ViT) ومحولات الصور الفعالة للبيانات (DeiT) ومحولات الصور. D¨on¨u¸st¨ur¨uc¨us¨uz yama g¨omme tabanlı bir evri¸simsel sinir a˘gı mimarisi i¸cin ConvMixer kullanıyoruz. اختبار edilen d¨on¨u¸st¨ur¨u tabanlı ve yama tabanlı metodolojilerimiz, ge¸cmi¸s zaman serisi veri k¨umesindeki do˘gal g¨or¨unt¨u benzeri ¨ozelliklerden yararlanarak ge¸cmi¸s fiyat veri lerini kullanarak varlık fiyatlarını ve y¨on hareketlerini tahmin etmeyi ama¸clamaktadır. Dikkat tabanlı mimarilerin uygulanmasından ¨nce, tarihsel zaman serisi fiyat veri seti iki boyutlu g¨or¨unt¨ulere d¨on¨u¸st¨ur¨ul¨ur. ومع ذلك، فقد كانت لها معرفة جيدة بكيفية الحصول على أموال من خلال تقنية التمويل المالي التي تقدمها الشركة. Sonu¸c olarak, veri setinin ¸ce¸sitli Boyutlarını yansıtan Farklı bir iki boyutlu g¨or¨unt¨u seti olu¸sturulmu¸stur. Daha sonra، piyasa vadilerini ve zirvelerini g¨osteren orijinal g¨or¨unt¨ulere Tut، Al veya Sat gibi etiketler eklenmi¸stir. Deneylere g¨ore, e˘gitilmi¸s dikkat tabanlı modeller, ¨ozellikle sık i¸slem g¨oren Borsa Yatırım Fon larının (ETF'ler) bir alt kumesine uygulandı˘ında, temel konvol¨usyonel mimariler den s¨urekli أولاراك داها إيي بيرفورمانس g¨ostermektedir. Dikkat tabanlı mimarilerin, ¨ozellikle de ViT’nin bu daha iyi Performance, ¨ozellikle uzun test ve bekletme s¨ureleri boyunca hem do˘gruluk hem de di˘ger di˘gerlendirme ¨ol¸c¨utleri a¸cısından be irgindir. Bu bulgular, d¨on¨u¸st¨ur¨uc¨u tabanlı yakla¸sımların varlık fiiyatı ve y¨on tah mininde ¨ong¨or¨u Yeteneklerini geli¸stirme Potansiyelinin altını ¸cizmektedir.
