Parallel Gated Recurrent Units (PGRU) меъмории параллелии deep learning мебошад, ки хусусиятҳои нархи Bitcoin ва хусусиятҳои сохтории blockchain-ро дар ду шабакаи мустақили GRU коркард карда, пешгӯиҳои ин ду шабакаро дар шабакаи сеюми feedforward муттаҳид мекунад. Дар таҳқиқот нархи миёнаи ҳаррӯза, нархи кушодашавӣ, паст ва баланд ба шохаи якуми маълумот; андозаи миёнаи блок, hash rate, difficulty, шумораи транзаксияҳои ҳаррӯза ва даромади miner ба шохаи дуюми маълумот дода шудаанд. Бо истифода аз 1.859 мушоҳидаи ҳаррӯза дар давраи 1 Январ 2016–31 Январ 2021 ҳадаф пешгӯии нархи навбатии Bitcoin тавассути регрессия буд.
Модел бо равзанаҳои лағжандаи \(w=5,10,15,20,25\) рӯза, ки дарозии мушоҳидаҳои гузаштаро муайян мекунанд, арзёбӣ шудааст. Мувофиқи Ҷадвали 2-и манбаъ, пасттарин арзиши гузоришшудаи MAPE барои PGRU дар \(w=5\) %2,0 мебошад. Арзишҳое, ки дар хулосаи манбаъ махсус таъкид шудаанд, барои \(w=15\) %2,641 ва барои \(w=20\) %3,243 мебошанд. Алтернативаи параллелии LSTM, ки дар ҳамон тарҳи таҷрибавӣ сохта шудааст, дар ҳамаи дарозии равзанаҳои баррасишуда MSE, RMSE, MAE ва MAPE-и баландтар тавлид кардааст.
Натиҷаҳои таҳқиқот performance-и регрессияи як модели пешгӯии нархи Bitcoin-ро дар маълумоти таърихӣ нишон медиҳанд. Натиҷаҳо маънои profitability-и live trading, return-и сармоягузорӣ, transaction costs ё generalizability-и тасдиқшуда дар дигар криптовалютаҳоро надоранд. Илова бар ин, сохтори хронологии 10-fold cross-validation барои силсилаи вақт, он ки статистикаҳои z-score танҳо аз training data ҳисоб шудаанд ё не, ва усули дақиқи тавлиди пешгӯии 10 рӯза дар манбаъ ба қадри кофӣ муфассал шарҳ дода нашудааст.
PGRU Чист ва Аз Модели GRU-и Якҷараёнӣ Чӣ Фарқ Дорад?
Parallel Gated Recurrent Units (PGRU) меъмории регрессияи бисёрҷараёнӣ мебошад, ки ба ҷойи додани ҳамаи хусусиятҳо ба як шабакаи GRU, маълумоти нарх ва маълумоти сохтории шабакаи Bitcoin-ро дар ду модели ҷудогонаи recurrent мустақилона коркард мекунад ва пешгӯиҳои ду моделро тавассути шабакаи ниҳоии feedforward fusion ба як пешгӯии нарх табдил медиҳад.
Масъалаи асосии таҳқиқот
Нархи Bitcoin танҳо силсилаи вақте нест, ки аз сатҳҳои пешинаи нарх иборат бошад. Шабакаи Bitcoin инчунин тағйирёбандаҳои сохтории дохилии худро дорад, аз ҷумла тавлиди блок, қувваи hash, difficulty, фаъолияти транзаксияҳо ва даромади miner. Ғояи асосии таҳқиқот ин аст, ки рафтори таърихии нарх ва ҳолати шабакаи blockchain ба ҷойи омехта шудан дар як матритсаи вуруд дар ду шохаи ҷудогонаи коршиносӣ моделсозӣ шаванд.
Шохаи якуми GRU рафтори нархро меомӯзад. Шохаи дуюми GRU рафтори blockchain ва шабакаро меомӯзад. Ҳар ду шоха як ҳадаф доранд, яъне пешгӯии нархи навбатии Bitcoin. Сипас шабакаи сеюм муайян намекунад, ки ба кадом пешгӯӣ бо кадом вазн бояд бо коэффициенти дастӣ такя кард; балки онҳоро тавассути табдили feedforward, ки ҳангоми training омӯхта шудааст, муттаҳид мекунад.
Холигии адабиёт
Манбаъ мегӯяд, ки таҳқиқоти пешина аз манбаъҳои маълумот ба монанди силсилаҳои нарх, хусусиятҳои blockchain, шабакаҳои иҷтимоӣ ё trend-ҳои ҷустуҷӯ истифода кардаанд; аммо ин иттилоот асосан дар сохторҳои якҷараёнӣ коркард шудааст. Тарҳи фарқкунандаи PGRU он аст, ки маълумоти нарх ва сохториро ба recurrent expert-ҳои мустақил ҷудо карда, онҳоро дар сатҳи пешгӯӣ муттаҳид мекунад.
Гипотезаи илмии ин равиш ба таври ошкоро дар шакли формализатсияшудаи “H1” дода нашудааст. Бо вуҷуди ин, тарҳи таҷриба идеяеро месанҷад, ки ду шохаи пуркунандаи ҳамдигар метавонанд нисбат ба recurrent flow-ҳои алоҳидаи истифодашуда пешгӯии беҳтар тавлид кунанд.
Хусусиятҳои Сохтории Blockchain-и Bitcoin Чӣ Гуна Ба Пешгӯии Нарх Илова Мешаванд?
Дар таҳқиқот иттилооти сохтории blockchain ҳамчун гурӯҳи сутунҳои иловагӣ мустақиман ба як GRU ҳамроҳ бо силсилаи нарх дода намешавад; андозаи миёнаи блок, hash rate, difficulty, шумораи умумии транзаксияҳои ҳаррӯза ва даромади miner як силсилаи вақти ҷудогонаи панҷхусусиятӣ месозанд ва ин силсила аз ҷониби шохаи дуюми GRU мустақилона коркард мешавад.
Шохаи маълумоти нарх
| Хусусияти нарх | Нақши илмӣ |
|---|---|
| Нархи миёнаи ҳаррӯза | Сатҳи умумии нархи рӯзро ифода мекунад. |
| Нархи кушодашавӣ | Сатҳи ибтидоии нархи рӯзро медиҳад. |
| Нархи паст | Сатҳи поёнии нарх дар дохили рӯзро ифода мекунад. |
| Нархи баланд | Сатҳи болоии нарх дар дохили рӯзро ифода мекунад. |
Шохаи маълумоти сохтории blockchain
| Хусусияти сохторӣ | Таърифи манбаъ |
|---|---|
| Average Block Size | Андозаи миёнаи блок дар 24 соат; бо MB дода мешавад. |
| Hash Rate | Миқдори тахминии terahash дар як сония. |
| Difficulty | Сатҳи нисбии душвории ёфтани блоки нав. |
| Total Transactions | Шумораи умумии транзаксияҳои ҳаррӯза. |
| Miner Revenue | Арзиши умумии мукофотҳои Coinbase ва ҳаққи транзаксияҳо. |
Ҳар ду маҷмӯи маълумот 1.859 мушоҳидаи ҳаррӯзаро дар бар мегиранд ва давраи байни 1 Январ 2016 ва 31 Январ 2021-ро фаро мегиранд.
Чаро Дар Ин Таҳқиқот Нормализатсияи Z-Score Истифода Шуд?
Нормализатсияи Z-score барои он истифода шудааст, ки хусусиятҳои нарх ва blockchain дар scale-ҳои ададии хеле гуногун қарор доранд; ҳар арзиш нисбат ба миёнаи тағйирёбандаи худ марказонида ва нисбат ба standard deviation-и он scale карда мешавад. Манбаъ иддао мекунад, ки ин раванд фарқи нисбии байни арзишҳои калон ва хурдро нисбат ба min–max scaling беҳтар нигоҳ медорад.
Масъалаи scale
Мувофиқи манбаъ, дар маҷмӯи маълумоти нарх максимуми нархи миёна тақрибан 95 маротиба аз минимум зиёд аст, дар ҳоле ки максимуми тағйирёбандаи difficulty тақрибан 185 маротиба аз минимум зиёд мебошад. Додани чунин бузургиҳои хеле гуногун мустақиман ба neural network метавонад optimization-ро душвор кунад.
Табдиле, ки манбаъ истифода кардааст:
\[ z=\frac{x-\mu}{\sigma} \]
ба ин шакл аст.
Дар ин ҷо \(x\) арзиши хоми мушоҳидаро, \(\mu\) миёнаи тағйирёбандаи дахлдор ва \(\sigma\) standard deviation-ро ифода мекунад. Пас аз табдил тағйирёбанда дар атрофи сифр марказонида мешавад ва standard deviation ба воҳиди scale табдил меёбад.
Манбаъ дар бахши муҳокима мегӯяд, ки нормализатсияи z-score нисбат ба min–max scaling-и оддӣ тақрибан 5–7 банди фоизӣ беҳбудии accuracy додааст. Аммо азбаски дар бахши натиҷаҳо таҷрибаи ҷудогонае бо ablation table барои нишон додани ин муқоиса гузориш нашудааст, ин арзиш бояд ҳамчун гузориши муаллифон дар бахши муҳокима арзёбӣ шавад.
Ташкили вуруд ва ҳадаф бо равзанаи лағжанда
Силсилаи нормализатсияшудаи маълумоти нарх ҳамчун \(X\), силсилаи маълумоти сохторӣ ҳамчун \(Y\) муайян шудааст. Дарозии ҳар ду:
\[ n=1859 \]
рӯз аст.
Барои равзанаи \(w\) рӯза, манбаъ вурудҳоро ба таври консептуалӣ чунин медиҳад:
\[ Input_1^{(i)} = [X_i,X_{i+1},...,X_{i+w-1}] \]
\[ Input_2^{(i)} = [Y_i,Y_{i+1},...,Y_{i+w-1}] \]
ва ҳадафро:
\[ Output^{(i)}=X_{i+w} \]
ба ин шакл медиҳад.
Масалан, агар \(w=15\) бошад, модел аз маълумоти нарх ва blockchain-и сохтории 15 рӯзи гузашта истифода бурда, нархи рӯзи ояндаро пешгӯӣ мекунад.
Се шабакаи меъмории PGRU
Шакли 2 дар саҳифаи 13 ду шохаи мустақили recurrent ва шабакаи сеюмеро, ки онҳоро муттаҳид мекунад, нишон медиҳад. Андозаҳои қабатҳои нишон додашуда дар шакли манбаъро чунин хулоса кардан мумкин аст:
| Шабака | Вуруд | Сохтори дар шакли манбаъ нишон додашуда | Баромад |
|---|---|---|---|
| Шохаи GRU 1 | Хусусиятҳои нарх | GRU 120 → Fully Connected 70 → Fully Connected 4 | Як пешгӯии нарх |
| Шохаи GRU 2 | Хусусиятҳои сохтории blockchain | GRU 112 → Fully Connected 70 → Fully Connected 50 → Fully Connected 4 | Як пешгӯии нарх |
| Fusion network | Ду пешгӯии GRU | Hidden 13 → Hidden 16 → Hidden 13 | Пешгӯии ниҳоии нарх |
Ҳар ду шохаи GRU бо Adam optimizer барои кам кардани regression loss омӯзонида шудаанд. Fusion network бошад Levenberg–Marquardt optimization-ро истифода мебарад. Implementation дар MATLAB R2020b анҷом дода шудааст.
Меъмории муқоисавии LSTM
Ҳамчун baseline-и назоратшаванда, ду шохаи GRU бо қабатҳои LSTM иваз шудаанд. Ҷараёни маълумот тағйир намеёбад: маълумоти нарх ва сохторӣ ба ду шохаи ҷудогонаи recurrent ворид мешаванд ва ду пешгӯӣ аз ҷониби ҳамон навъи feedforward fusion network муттаҳид мешаванд.
Шакли 3 дар саҳифаи 14 нишон медиҳад, ки дар алтернативаи LSTM шохаи аввал LSTM 120, Dropout 0,2, Fully Connected 70 ва Fully Connected 4; шохаи дуюм LSTM 112, Dropout 0,2, Fully Connected 70, 50 ва 4 қабат дорад. Fusion network боз сохтори қабатҳои пинҳонии 13–16–13 дорад.
Тартиби Cross-validation
Манбаъ мегӯяд, ки дар ҳамаи се шабака 10-fold cross-validation татбиқ шудааст ва дар таҷрибаҳои ҳассосияти равзана модел барои 200 epoch омӯзонида шудааст.
Аммо чӣ гуна сохтори хронологии силсилаи вақт дар fold-ҳо нигоҳ дошта шудааст, шарҳ дода нашудааст. Манбаъ намегӯяд, ки ordinary random k-fold, blocked cross-validation ё forward-chaining истифода шудааст. Дар силсилаҳои вақти молиявӣ ин ҷузъиёти муҳим аст, зеро ворид шудани статистикаҳои давраи оянда ба training fold-и гузашта метавонад хатои арзёбиро ба таври сунъӣ кам кунад.
Ба ҳамин монанд, маълум нест, ки арзишҳои \(\mu\) ва \(\sigma\), ки барои z-score истифода шудаанд, танҳо дар ҳар training fold ё аз ҳамаи 1.859 мушоҳида ҳисоб шудаанд. Аз ин рӯ, аз гузориши манбаъ тасдиқ кардан мумкин нест, ки data leakage комилан пешгирӣ шудааст.
Метрикаҳои арзёбӣ
Манбаъ чор метрикаи регрессияро истифода мебарад.
Mean Squared Error:
\[ MSE= \frac{1}{N} \sum_{i=1}^{N} (R_i-\hat R_i)^2 \]
Хатогиҳои калонро ба таври квадратӣ сахттар ҷазо медиҳад.
Root Mean Squared Error:
\[ RMSE=\sqrt{MSE} \]
Scale-и хаторо боз ба воҳиди нарх мебарад.
Mean Absolute Error:
\[ MAE= \frac{1}{N} \sum_{i=1}^{N} |R_i-\hat R_i| \]
Фарқи миёнаи мутлақи нархро чен мекунад.
Теңлама (4), ки дар манбаъ ҳамчун MAPE чоп шудааст:
\[ MAPE= \frac{100}{N} \sum_{i=1}^{N} \frac{R_i-\hat R_i}{R_i} \]
Дар ин ҷо як номувофиқии муҳими дохилиманбаъӣ вуҷуд дорад. Гарчанде метрика “Mean Absolute Percentage Error” номида мешавад, дар Теңлама (4)-и чопшуда аломатҳои absolute value дар гирди error-и numerator дида намешаванд. Баръакс, ҷадвалҳои пешгӯии 10 рӯза “Abs. Perc. Error”-ро истифода мебаранд. Аз ин рӯ Verianla формуларо ба ҳамон шакле, ки дар манбаъ аст, нишон медиҳад ва ин фарқро ошкоро нигоҳ медорад.
Усул ва Натиҷаҳои Таҳқиқот
Пасттарин Арзиши Гузоришшудаи MAPE-и PGRU Дар Кадом Дарозии Равзана Аст?
Пасттарин арзиши PGRU MAPE дар Ҷадвали 2-и манбаъ барои \(w=5\) %2,0 аст; хулоса ва бахши натиҷаҳои таҳқиқот бошад махсусан тақрибан %2,64 барои \(w=15\) ва тақрибан %3,24 барои \(w=20\)-ро таъкид мекунанд.
Ҳассосияти дарозии равзана
| Равзана \(w\) | MSE | RMSE | MAE | MAPE |
|---|---|---|---|---|
| 5 | 49.334,9 | 222,1 | 120,2 | %2,0 |
| 10 | 50.941,0 | 225,7 | 127,2 | %2,6 |
| 15 | 54.575,6 | 233,6 | 136,0 | %2,6 |
| 20 | 61.648,1 | 248,3 | 143,3 | %3,2 |
| 25 | 63.330,9 | 251,7 | 165,4 | %3,9 |
Ҷадвал нишон медиҳад, ки конфигуратсияи \(w=5\) дар ҳамаи чор метрикаи хато пасттарин арзишро додааст. Истифодаи равзанаи таърихии дарозтар дар ин таҷриба ба таври автоматикӣ пешгӯии беҳтар надодааст.
Ин бозёфт бар зидди фарзияи он муҳим аст, ки маълумоти таърихии бештар ҳамеша муфид аст. Бо вуҷуди ин, таҳқиқот ablation ё mechanism analysis барои шарҳ додани он ки чаро \(w=5\) беҳтар аст, анҷом намедиҳад.
Оё PGRU Нисбат Ба Меъмории Параллелии LSTM Натиҷаи Беҳтар Дод?
Бале. Дар муқоисаи LSTM, ки манбаъ бо ҳамон сохтори маълумот сохтааст, PGRU дар ҳамаи дарозии равзанаҳои \(w=5,10,15,20,25\) MSE, RMSE, MAE ва MAPE-и пасттар додааст; дар ченкуниҳо бо ҳамон hardware низ вақти иҷрои кӯтоҳтар нишон додааст.
Муқоисаи натиҷаҳои хатои PGRU ва LSTM
| \(w\) | PGRU MAPE | LSTM MAPE | PGRU RMSE | LSTM RMSE |
|---|---|---|---|---|
| 5 | %2,0 | %3,2 | 222,1 | 348,1 |
| 10 | %2,6 | %3,5 | 225,7 | 349,7 |
| 15 | %2,6 | %3,7 | 233,6 | 350,0 |
| 20 | %3,2 | %4,1 | 248,3 | 365,6 |
| 25 | %3,9 | %4,2 | 251,7 | 382,2 |
Дар ҷадвали пурраи хатои LSTM арзишҳои MSE ва MAE низ аз PGRU баландтаранд. Аз ин рӯ, дар муқоисаи назоратшавандаи худи таҳқиқот бартарии PGRU танҳо ба метрикаи MAPE вобаста нест.
Вақти иҷро
| Равзана | Бар асоси GRU | Бар асоси LSTM |
|---|---|---|
| \(w=5\) | 10:58 | 12:51 |
| \(w=10\) | 11:37 | 13:29 |
| \(w=15\) | 12:18 | 14:27 |
| \(w=20\) | 12:56 | 15:03 |
| \(w=25\) | 13:43 | 15:49 |
Вақтҳо ҳамчун миёнаи се иҷро дар системае, ки Intel Core i7-6700HQ CPU ва NVIDIA GTX 960 GPU истифода мекард, гузориш шудаанд. Меъмории GRU дар ҳамаи дарозии равзанаҳо нисбат ба алтернативаи LSTM вақти иҷрои кӯтоҳтар дорад.
Пешгӯиҳои 10 рӯзаи PGRU ва LSTM
| Рӯз | Нархи воқеӣ | Пешгӯии PGRU | Хатои мутлақи % PGRU | Пешгӯии LSTM | Хатои мутлақи % LSTM |
|---|---|---|---|---|---|
| 1 | 33.515,7 | 33.174,3 | %1,02 | 32.756,6 | %2,26 |
| 2 | 35.485,2 | 35.913,2 | %1,21 | 36.062,5 | %1,62 |
| 3 | 37.646,8 | 37.837,7 | %0,51 | 38.116,5 | %1,24 |
| 4 | 36.982,1 | 39.913,6 | %7,93 | 38.502,0 | %4,11 |
| 5 | 38.297,6 | 37.145,8 | %3,01 | 37.314,4 | %2,56 |
| 6 | 39.256,6 | 36.810,9 | %6,23 | 36.746,4 | %6,39 |
| 7 | 38.852,9 | 37.646,1 | %3,11 | 36.651,5 | %5,66 |
| 8 | 46.395,7 | 43.232,2 | %6,82 | 39.437,6 | %14,99 |
| 9 | 46.508,6 | 42.189,7 | %9,29 | 39.265,4 | %15,57 |
| 10 | 44.836,0 | 40.245,3 | %10,24 | 37.784,1 | %15,72 |
PGRU дар се рӯзи аввал хатои мутлақи фоизии %0,51–%1,21 тавлид мекунад, аммо дар рӯзҳои баъдии ҳаракати шадиди нарх хато ба таври назаррас меафзояд. Дар рӯзи даҳум хатои мутлақи фоизии PGRU ба %10,24 ва LSTM ба %15,72 мерасад.
Ин ҷадвал маънои онро надорад, ки PGRU ҳар рӯз аз LSTM беҳтар аст. Масалан, дар рӯзҳои чорум ва панҷум хатои мутлақи фоизии LSTM аз PGRU пасттар аст. Баръакс, махсусан дар рӯзҳои 8–10 PGRU хатои пасттар тавлид мекунад.
Масъалаи reproducibility-и таҷрибаи 10 рӯза
Дар бахши метод модел ҳамчун сохтори single-step, ки рӯзи ояндаро пешгӯӣ мекунад, муайян шудааст. Аммо манбаъ ҳангоми тавлиди horizon-и 10 рӯза:
- оё пешгӯии аввал ҳамчун вуруди рӯзи оянда истифода шудааст ё не,
- оё нархҳои воқеии нав дар ҳар қадам ба модел баргардонда шудаанд ё не,
- оё 10 баромад якбора тавлид шудаанд ё не
шарҳ намедиҳад. Аз ин рӯ, inference procedure-и пурраи performance-и 10 рӯза аз матни манбаъ барқарор карда намешавад.
Илова бар ин, dataset-и бахши метод дар 31 Январ 2021 ба охир мерасад, дар ҳоле ки Section 5.2 ибораи “January 2016 to December 2021”-ро истифода мебарад. Азбаски шакл ва силсилаи нархи воқеӣ ба Феврал 2021 мувофиқанд, ин ибораи сана бо дигар маълумоти вақти дохили манбаъ мувофиқ нест.
Шакли 4 ва Шакли 5 чиро нишон медиҳанд?
Шакли 4 дар саҳифаи 15 барои \(w=15\) нархи воқеии Bitcoin ва пешгӯии PGRU-ро дар давраи 1 Ноябр 2020–31 Январ 2021 дар як меҳвари вақт нишон медиҳад. Ду каҷхат дар тӯли trend-и умумӣ асосан якҷоя ҳаракат мекунанд; Шакли 5 бошад фарқҳои пешгӯӣ–воқеии ҳамон давраро дар атрофи меҳвари сифр нишон медиҳад.
Ин мувофиқати визуалӣ дастгирӣ мекунад, ки модел намунаи нархи ин давраи таърихиро пайгирӣ карда тавонистааст. Аммо график худ аз худ исбот намекунад, ки ҳамон сатҳи хато дар regime-ҳои гуногуни ояндаи бозор нигоҳ дошта мешавад.
Фарқи байни Шакли 6 ва Шакли 9
Шакли 6 дар саҳифаи 16 пешгӯии 10 рӯзаи PGRU-ро нишон медиҳад, дар ҳоле ки Шакли 9 дар саҳифаи 17 алтернативаи LSTM-ро нишон медиҳад. Хусусан дар афзоиши шадиди нарх дар атрофи 8–10 Феврал 2021 ҳар ду модел аз нархи воқеӣ паст мемонанд; аммо deviation-и LSTM калонтар аст.
Ин давра нишон медиҳад, ки ғайр аз метрикаи миёнаи хато, бояд рафтори модел дар regime shift-ҳои зуд низ алоҳида таҳлил шавад.
Муқоисаи MAPE бо таҳқиқоти пешина, ки дар манбаъ дода шудааст
| Усул | MAPE-и дар манбаъ додашуда |
|---|---|
| PGRU — ин таҳқиқот | %3,24 (\(w=20\)); %2,64 (\(w=15\)) |
| Roy ва ҳамкорон | %9,69 |
| Hitam ва ҳамкорон — PSO-SVM | %9,6 |
| Garg ва ҳамкорон — ARIMA | <%6 |
| Rizwan ва ҳамкорон — GRU | %5,3 |
| Ji ва ҳамкорон — LSTM | %4,46 (\(w=20\)) |
| Patel ва ҳамкорон — Litecoin GRU | %4,94 |
Манбаъ ин ҷадвалро ҳамчун нишондиҳандаи он пешниҳод мекунад, ки PGRU нисбат ба равишҳои пешина MAPE-и пасттар тавлид кардааст. Аммо усулҳо дар ҳамон давраи маълумоти Bitcoin, ҳамон тақсимоти training/test ва ҳамон data preprocessing дубора иҷро нашудаанд. Активи ҳадафи таҳқиқоти Patel ҳамчунин Litecoin мебошад. Аз ин рӯ, ҷадвал controlled head-to-head benchmark нест, балки муқоисаи сатҳи адабиёти натиҷаҳои нашршуда мебошад.
Хулосаҳое, ки таҳқиқот дастгирӣ мекунад
- Дар dataset-и Bitcoin-и баррасишуда меъмории PGRU, ки ду шохаи параллелии GRU-ро бо fusion network муттаҳид мекунад, татбиқ карда шудааст.
- Дар Ҷадвали 2-и манбаъ пасттарин арзиши PGRU MAPE барои \(w=5\) %2,0 аст.
- PGRU нисбат ба алтернативаи параллелии LSTM, ки дар ҳамон таҳқиқот сохта шудааст, дар ҳамаи дарозии равзанаҳои баррасишуда хатои пасттар тавлид кардааст.
- Сохтори бар асоси GRU дар ҳамон hardware нисбат ба алтернативаи LSTM вақти иҷрои кӯтоҳтар нишон додааст.
- Коркарди маълумоти нарх ва сохтории blockchain дар шохаҳои ҷудогонаи recurrent дар таҷрибаи манбаъ як fusion architecture-и коршоям сохтааст.
- PGRU дар мисоли 10 рӯза, махсусан дар рӯзҳои охир, нисбат ба алтернативаи LSTM хатои пасттар тавлид кардааст.
Хулосаҳое, ки таҳқиқот дастгирӣ намекунад
- Нишон дода нашудааст, ки PGRU дар live Bitcoin trading фоида меорад.
- Модел transaction fee, slippage, spread, funding ё portfolio risk-ро арзёбӣ накардааст.
- Ба таври таҷрибавӣ нишон дода нашудааст, ки модел дар дигар криптовалютаҳо бо ҳамон accuracy кор мекунад.
- Нишон дода нашудааст, ки PGRU аз ҳамаи Transformer-ҳои муосир ё меъмориҳои ҷории пешгӯии 2025–2026 беҳтар аст.
- Муқоиса бо таҳқиқоти пешина дар Table 7 зери як benchmark protocol-и умумӣ гузаронида нашудааст.
- Дар манбаъ исбот нашудааст, ки 10-fold cross-validation time-series leakage-ро пурра пешгирӣ кардааст.
- Бартарии 5–7 банди фоизии Z-score бо normalization ablation table-и ҷудогона ва намоён нишон дода нашудааст.
- Механизми recursive, direct ё rolling-и пешгӯии 10 рӯза ба таври возеҳ баён нашудааст.
Ҷиҳатҳои қавии таҳқиқот
Тарҳи модел фаҳмо ва модулӣ аст. Ҷудо кардани маълумоти нарх ва сохтории blockchain ба шохаҳои алоҳида имкон медиҳад, ки ҳар гурӯҳи маълумот динамикаи вақти худро омӯзад. Азбаски алтернативаи назоратшавандаи LSTM дар ҳамон сохтори умумӣ сохта шудааст, муқоисаи PGRU–LSTM нисбат ба муқоисаи MAPE аз мақолаҳои гуногун маънодортар аст.
Илова бар ин, таҳқиқот танҳо ба як метрикаи хато такя намекунад; MSE, RMSE, MAE ва MAPE якҷоя гузориш мешаванд. Панҷ дарозии равзана ва натиҷаҳои вақти иҷро дар бораи муносибати accuracy–computation-и модел маълумоти иловагӣ медиҳанд.
Маҳдудиятҳои асосии методологӣ
Ҷузъиёти Cross-validation: Маълум нест, ки сохтори 10-fold хронологӣ аст ё не.
Ҷузъиёти Normalization leakage: Ба таври возеҳ навишта нашудааст, ки статистикаҳои Z-score танҳо аз training data ҳисоб шудаанд.
Механизми inference-и 10 рӯза: Процедураи multi-step forecasting шарҳ дода нашудааст.
Номувофиқии сана: Бахши ҷамъоварии маълумот дар 31 Январ 2021 анҷом меёбад, аммо Section 5.2 менависад, ки маълумот то Декабр 2021 истифода шудааст.
Теңламаи MAPE: Теңлама (4)-и чопшуда аломатҳои absolute value-ро нишон намедиҳад.
Номуайянии оморӣ: Standard deviation-и миёнаҳои Cross-validation, confidence interval ё тақсимоти multi random-seed дода нашудааст.
Generalization-и беруна: Ҳадафи таҷрибавӣ танҳо Bitcoin аст.
Benchmark-и адабиёт: Table 7 арзишҳои MAPE-ро, ки аз маълумот ва протоколҳои гуногуни таҳқиқот гузориш шудаанд, паҳлу ба паҳлу мегузорад.
Самтҳои таҳқиқоти оянда
Манбаъ пешниҳод мекунад, ки ба меъмории PGRU шохаҳои нави мустақили маълумот илова шаванд. Намунаҳо нишондиҳандаҳои иқтисодии ҷаҳонӣ, нархҳои дигар криптовалютаҳои бузург ва маълумоти sentiment/trend аз шабакаҳои иҷтимоиро дар бар мегиранд.
Ин пешниҳодҳо аз ҷониби манбаъ ҳамчун future work дода шудаанд; дар таҷрибаҳои ҷорӣ ин data flow-ҳо истифода нашудаанд.
Ёддошт оид ба Манбаъ ва Усул
Унвони аслӣ: Cryptocurrency Price Prediction Using Parallel Gated Recurrent Units
Муаллифон: Milad Asadpour; Alireza Rezaee; Farshid Hajati.
Муассисаҳо: College of Interdisciplinary Science and Technology, University of Tehran, Tehran, Iran; School of Science and Technology, University of New England, Armidale, NSW, Australia.
Навъи манбаъ: Preprint.
Платформа: arXiv / CoRR.
arXiv: 2512.22599v1 [cs.LG].
Санаи ирсоли arXiv: 27 Декабр 2025.
Санаи дар PDF додашуда: 30 Декабр 2025.
Ҳолати тақриз: Дар санҷиши ҷории библиографӣ версияи ҷудогонаи peer-reviewed journal ё conference муайян нашуд; таҳқиқот ҳамчун preprint арзёбӣ шудааст.
DOI-и мустақили journal: Тасдиқ нашудааст.
Corresponding author: PDF-и манбаъ аломати ҷудогонаи corresponding-author намедиҳад.
Навъи таҳқиқот: Таҷрибаи ҳисоббарории deep learning/regression барои нархи Bitcoin.
Тағйирёбандаи ҳадаф: Нархи ояндаи Bitcoin.
Давраи маълумот: Дар таърифи асосии маълумот 1 Январ 2016–31 Январ 2021.
Шумораи мушоҳидаҳо: Дар ҳар ду data stream 1.859 сабти ҳаррӯза.
Хусусиятҳои нарх: Нархи миёнаи ҳаррӯза, нархи кушодашавӣ, нархи паст, нархи баланд.
Хусусиятҳои сохторӣ: Андозаи миёнаи блок, hash rate, difficulty, транзаксияҳои умумии ҳаррӯза, даромади miner.
Манбаи маълумоти нарх: Таҳқиқоти манбаъ ба маълумоти historical Bitcoin-и Investing.com истинод мекунад.
Манбаи маълумоти сохторӣ: Таҳқиқоти манбаъ ба market/network charts дар bitcoin.com истинод мекунад.
Пешкоркард: Нормализатсияи Z-score.
Дарозии равзанаҳо: 5, 10, 15, 20 ва 25 рӯз.
Модел: Ду parallel GRU predictor + feedforward fusion network.
Муқоисаи назоратшаванда: Ду parallel LSTM predictor + ҳамон равиши умумии fusion.
Нармафзор: MATLAB R2020b.
GRU optimizer: Adam.
Fusion optimizer: Levenberg–Marquardt.
Омӯзиш: Дар таҷрибаи ҳассосияти равзана 200 epoch.
Cross-validation: 10-fold; шакли time-series-и fold-ҳо дар манбаъ муфассал шарҳ дода нашудааст.
Метрикаҳои performance: MSE, RMSE, MAE ва метрикаи хатои фоизӣ, ки манбаъ онро MAPE меномад.
Hardware: Intel Core i7-6700HQ CPU ва NVIDIA GTX 960 GPU; натиҷаҳои вақти иҷро миёнаи се run мебошанд.
Маблағгузорӣ: Дар PDF-и пешниҳодшуда funding statement-и ҷудогона муайян нашуд.
Бархӯрди манфиатҳо: Дар PDF-и пешниҳодшуда conflict-of-interest declaration-и ҷудогона муайян нашуд.
Дастрасии маълумот: Data Availability Statement-и ҷудогона вуҷуд надорад; манбаъҳои маълумот дар бахши метод ҳамчун web sources нишон дода шудаанд.
Дастрасии code: Дар PDF-и пешниҳодшуда public code repository-и тасдиқшаванда нишон дода нашудааст.
Саҳми муаллифон: CRediT author-contribution statement-и ҷудогона вуҷуд надорад.
Литсензия: Азбаски дар PDF-и баррасишуда ва намуди расмии тасдиқшудаи arXiv навъи open license-и боэътимод барои reuse муайян нашуд, fail-closed approach татбиқ шудааст. Шаклҳои манбаъ набояд айнан нусхабардорӣ шаванд; робитаҳои илмӣ ва арзишҳои ҷадвал бояд барои Verianla мустақилона аз нав кашида шаванд.
Ёддошти рақамии дохили манбаъ: Хулоса барои \(w=20\) ва \(w=15\) мутаносибан MAPE-и %3,243 ва %2,641-ро таъкид мекунад, дар ҳоле ки Ҷадвали 2 барои \(w=5\) MAPE-и пасттари %2,0 гузориш медиҳад.
Ёддошти санаи дохили манбаъ: Бахши асосии маълумот давраи 2016-01-01–2021-01-31-ро медиҳад, аммо Section 5.2 барои таҷрибаи 10 рӯза ибораи January 2016–December 2021-ро истифода мебарад. График ва силсилаи нархи воқеии ҳамон таҷриба ба Феврал 2021 мувофиқанд.
Ёддошти формулаи дохили манбаъ: Гарчанде Теңлама (4) ҳамчун MAPE label шудааст, дар ифодаи чопшуда дар гирди error term аломати absolute value дида намешавад; Table 3 ва Table 5 бошад absolute percentage error гузориш медиҳанд.
Ҳудуди асосии тафсир: Натиҷаҳо performance-и model-error дар маълумоти таърихии Bitcoin мебошанд. Онҳо набояд ҳамчун profitability-и live market, investment advice, transaction costs ё performance-и тасдиқшуда дар дигар криптовалютаҳо тафсир шаванд.
Ҳуқуқи муаллиф/усули баён: Матни Verianla тартиби ҷумла ё параграфҳои таҳқиқоти манбаъро дубора тавлид намекунад. Маълумот, сохтори модел, формулаҳо, ҷадвалҳо, шаклҳо, натиҷаҳо ва маҳдудиятҳои дар манбаъ додашуда ба inventory-и илмӣ ҷудо шуда, дар як сохтори мустақили омӯзишии Тоҷикӣ аз нав сохта шудаанд.
Шарҳ гузоред
Нишонии почтаи электронии шумо нашр намешавад. Майдонҳои ҳатмӣ бо * нишон дода шудаанд