Fuzzy-GRA — muhim prognoz kirishlarini Kulrang Relatsion Tahlil (Grey Relational Analysis, GRA) yordamida aniqlaydigan va ushbu kirishlar o‘rtasidagi chiziqli bo‘lmagan munosabatlarni Mamdani turidagi Xira Mantiqiy Xulosa Tizimi (Fuzzy Inference System, FIS) bilan modellashtiradigan gibrid prognozlash doirasidir. Ko‘rib chiqilgan tadqiqot 2010-yil iyul–2025-yil mart davridagi 5359 kunlik Bitcoin kuzatuvida faol manzillar soni, tranzaksiyalar soni, mayner daromadi, hash rate, narx, MVRV nisbati va bozor kayfiyati o‘zgaruvchilarini taqqoslaydi. GRA natijalarida faol manzillar, tranzaksiyalar soni va mayner daromadi tranzaksiya hajmi bilan eng kuchli geometrik o‘xshashlikni ko‘rsatgan; ushbu uchta kirish asosida qurilgan Fuzzy-GRA modeli 145 ta walk-forward tekshiruv oynasida jami 4350 ta tanlanmadan tashqari prognoz ishlab chiqargan.

Asosiy samaradorlik jadvalida Fuzzy-GRA modelining RMSE qiymati 0.3521, chiziqli regressiyaniki esa 0.5178; bu taxminan %32.2 RMSE kamayishiga teng. MAE bo‘yicha yaxshilanish %43.1, sMAPE bo‘yicha %13.45 va MdAPE bo‘yicha %8.1 deb xabar qilingan. Random Forest va LSTM chiziqli regressiyadan yaxshiroq natija bergan bo‘lsa-da, Fuzzy-GRA ning RMSE qiymati pastroq. Diebold–Mariano testi Fuzzy-GRA va chiziqli model o‘rtasidagi prognoz xatosi farqi statistik jihatdan ahamiyatli ekanini ko‘rsatadi.

Biroq bu natija “faol manzillar soni tranzaksiya hajmiga sabab bo‘ladi” degani emas. Faol manzillar va tranzaksiyalar soni tranzaksiya hajmining hisob tuzilmasi bilan qisman mexanik bog‘langan. Tadqiqotning asosiy da’vosi shuki, ushbu on-chain ko‘rsatkichlar kechikkan va chiziqli bo‘lmagan shaklda qo‘llanganda chiziqli modelga nisbatan qo‘shimcha prognoz ma’lumotini olib keladi. Mualliflar bu muammoni faol manzillar va tranzaksiyalar sonini modeldan chiqarib tashlaydigan mustahkamlik testi bilan ham tekshirgan.

Tadqiqot muammosi

Kriptovalyuta bo‘yicha tadqiqotlarning katta qismi narx prognoziga qaratilgan bo‘lsa-da, blokcheynda amalda ko‘chirilayotgan iqtisodiy qiymatni ifodalovchi tranzaksiya hajmi kamroq o‘rganilgan. Bitcoin tranzaksiya hajmi faqat spekulyativ narx harakatining aks-sadosi emas; u tarmoqdagi manzillar o‘rtasida amalga oshirilgan qiymat uzatishni o‘lchaydigan on-chain faoliyatdir. Shu sababli tadqiqotning markaziy muammosi tranzaksiya hajmi qaysi tarmoq va bozor ko‘rsatkichlari bilan eng barqaror ravishda birga harakat qilishini va ushbu munosabatlardan prognozlash maqsadida qanday foydalanish mumkinligini aniqlashdir.

Kriptovalyuta ma’lumotlari bu muammo uchun klassik chiziqli modellashtirishni qiyinlashtiradigan xususiyatlarga ega. Narx, tranzaksiyalar soni va baholash ko‘rsatkichlarida og‘ir dumlar, keskin uzilishlar va rejimga qarab o‘zgaradigan munosabatlar mavjud. Masalan, mayner daromadi va hajm odatiy davrlarda birga harakat qilishi mumkin, biroq Bitcoin halvinglarida mayner daromadidagi o‘zgarish tranzaksiya hajmi bilan bir vaqtda harakat qilmasligi mumkin. Tarmoq tirbandligi davrlarida esa hajm oshayotgan paytda mayner daromadining reaksiyasi kechikishi mumkin.

Tadqiqotda qo‘llangan asosiy o‘zgaruvchilar

Prognoz maqsadi bilan bir vaqtli axborot sizib chiqishini kamaytirish uchun mustaqil o‘zgaruvchilar o‘tgan qiymatlari bilan ishlatilgan. Qo‘shimcha A2-jadvalda faol manzillar, tranzaksiyalar soni va mayner daromadi uchun bir kundan uch kungacha kechikishlar; HashRate uchun bir va ikki kunlik kechikishlar; narx, MVRV va kayfiyat ko‘rsatkichlari uchun bir kunlik kechikish PACF tahliliga asoslanib ko‘rsatilgan.

Ma’lumotlarni dastlabki qayta ishlash

GRA bosqichida kunlik o‘zgarishlar log-daromad ko‘rinishiga o‘tkazilgan:

\[ r_t=\ln(v_t)-\ln(v_{t-1}) \]

Bu yerda \(v_t\) tegishli o‘zgaruvchining \(t\) kunidagi qiymatini; \(v_{t-1}\) oldingi kundagi qiymatini; \(r_t\) esa kunlik log o‘zgarishni bildiradi. Ushbu o‘zgartirish ko‘paytma xarakterdagi narx va tarmoq o‘zgarishlarini qo‘shiluvchi miqyosda ifodalash va statsionarlikni yaxshilash maqsadida qo‘llangan.

Jami 18 ta yetishmayotgan qiymat barcha kuzatuvlarning taxminan %0.34 qismini tashkil etadi va chiziqli interpolatsiya bilan to‘ldirilgan. Uch IQR dan tashqaridagi ekstremal qiymatlar aniqlangan va tegishli chekka qiymatlar 99-percentilda winsorize qilingan.

GRA uchun o‘zgaruvchilar qo‘shimcha ravishda min–max usuli bilan 0–1 oralig‘iga masshtablangan:

\[ x_{\text{norm}}= \frac{x-\min(x)} {\max(x)-\min(x)} \]

Tadqiqot keyinchalik z-score normallashtirishni ham mustahkamlik testi sifatida qo‘llagan; o‘zgaruvchilar reytingi to‘liq saqlangan va GRG qiymatlaridagi o‘zgarish 0.003 dan past qolgan.

Ta’lim va test ajratilishi

Asosiy xronologik ma’lumot ajratilishida ta’lim to‘plami 18 iyul 2010–31 dekabr 2021 davridagi 4023 kuzatuvni, test to‘plami esa 1 yanvar 2022–21 mart 2025 davridagi 1336 kuzatuvni o‘z ichiga oladi. ADF va KPSS testlari log-daromadlarning statsionarligini tekshirish uchun ishlatilgan. Bai–Perron ko‘p martalik strukturaviy uzilish tahlili 2013-yil dekabr, 2020-yil mart, 2021-yil noyabr va 2022-yil iyun oylarida jami to‘rtta muhim uzilish nuqtasini aniqlagan.

Uch holatli Yashirin Markov Modeli (Hidden Markov Model, HMM) qo‘shimcha ravishda ayiq bozori, yonlama/past volatillik va buqa bozori subnamunalarini aniqlash uchun qo‘llangan. Ushbu rejim o‘zgaruvchisi prognoz modelining kirishi emas; u faqat subnamuna va rejim sezgirligi tahlilida ishlatilgan.

Kulrang Relatsion Tahlilda Yuqori GRG Sababiylikni Anglatadimi?

Yo‘q. Grey Relational Grade (GRG) normallashtirilgan ikki qatorning vaqt bo‘yicha geometrik harakat o‘xshashligini o‘lchaydi; bu to‘g‘ridan-to‘g‘ri sababiylik dalili emas. Yuqori GRG bevosita ta’sir, teskari sababiylik, umumiy uchinchi omil, mexanik hisob aloqasi yoki boshqa umumiy harakat manbasidan kelib chiqishi mumkin. Ushbu tadqiqotda GRA sababiy ustunlikni aniqlash uchun emas, prognoz kirishlarini tanlash uchun ishlatilgan.

Kulrang relatsion koeffitsiyent

Etalon qator \(X_0\) tranzaksiya hajmi, taqqoslanadigan qator \(X_i\) esa nomzod tushuntiruvchi o‘zgaruvchilardan biridir. Har bir \(k\) vaqt nuqtasida farq:

\[ \Delta_{0i}(k)=|X_0(k)-X_i(k)| \]

ko‘rinishida hisoblanadi. Kulrang relatsion koeffitsiyent:

\[ \gamma(X_0(k),X_i(k)) = \frac{\Delta_{\min}+\rho\Delta_{\max}} {\Delta_{0i}(k)+\rho\Delta_{\max}} \]

ko‘rinishidadir. \(\Delta_{\min}\) va \(\Delta_{\max}\) barcha mutlaq farqlarning global minimum va maksimum qiymatlaridir. \(\rho\) farqlash koeffitsiyentidir. Asosiy modelda an’anaviy qiymat bo‘lgan \(\rho=0.5\) qo‘llangan; shuningdek 0.1, 0.3, 0.5, 0.7 va 0.9 qiymatlarida sezgirlik tahlili o‘tkazilgan.

Bir o‘zgaruvchi uchun barcha kuzatuvlardagi kulrang relatsion koeffitsiyentlarning o‘rtachasi Kulrang Relatsion Darajani beradi:

\[ \Gamma(X_0,X_i) = \frac{1}{n} \sum_{k=1}^{n} \gamma(X_0(k),X_i(k)) \]

GRA omillari reytingi

Vaqt qatorining bog‘liqlik tuzilmasini saqlash uchun ishonch oraliqlari mustaqil kuzatuv bootstrap’i o‘rniga 21 kunlik blok uzunligiga ega moving-block bootstrap yordamida yaratilgan. Har bir GRG uchun 10.000 qayta namunalash bajarilgan va %2.5–%97.5 percentillar %95 oralig‘i sifatida xabar qilingan.

GRA dan mustaqil tekshiruv sifatida ishlatilgan LASSO ham ayni uchta o‘zgaruvchini tanlagan: standartlashtirilgan koeffitsiyent kattaliklari faol manzillarda 0.412, tranzaksiyalar sonida 0.378 va mayner daromadida 0.291. HashRate ni ham o‘z ichiga olgan qolgan o‘zgaruvchilarning LASSO koeffitsiyentlari nolga qisqartirilgan. GRA reytingi bilan LASSO reytingi o‘rtasidagi Spearman darajali korrelyatsiya 1.00 deb xabar qilingan.

Rejimlar bo‘yicha reyting barqarormi?

365 kunlik sirg‘aluvchi oyna va uch oylik qadamlar bilan 2011-yil iyul–2025-yil mart oralig‘ida 55 ta ustma-ust tushuvchi GRA oynasi tekshirilgan. Faol manzillarning GRG qiymati barcha bozor rejimlarida taxminan 0.87–0.94 oralig‘ida qolgan; 2013, 2017 va 2021 buqa davrlarida mos ravishda taxminan 0.93, 0.92 va 0.94 qiymatlariga yetgan. Tranzaksiyalar soni 0.79–0.89 oralig‘ida ko‘proq rejim sezgirligini ko‘rsatgan, narxning relatsion darajasi esa taxminan 0.85 dan 2015-yilgi ayiq bozorida 0.74 gacha pasaygan.

Nega xira mantiqiy xulosa chiqarish qo‘llandi?

GRA qaysi o‘zgaruvchilar maqsad qatori bilan o‘xshash harakat qilishini tartiblaydi, ammo o‘zgaruvchilar birgalikda hosil qiladigan chiziqli bo‘lmagan qoidalar tuzilmasini o‘zi mustaqil ravishda modellashtirmaydi. Shu sababli eng yuqori o‘rindagi faol manzillar, tranzaksiyalar soni va mayner daromadi Mamdani turidagi Xira Mantiqiy Xulosa Tizimiga uzatilgan.

Har bir kirish “Past”, “O‘rta” va “Yuqori” bo‘lgan uchta lingvistik a’zolik sinfiga bo‘lingan. A’zolik darajasi uchburchak funksiya bilan hisoblanadi:

\[ \mu_{\text{triangular}}(x,a,b,c) = \max\left( \min\left( \frac{x-a}{b-a}, \frac{c-x}{c-b} \right),0 \right) \]

\(a\) va \(c\) xira to‘plamning quyi va yuqori chegaralarini, \(b\) esa a’zolik 1 ga teng bo‘ladigan cho‘qqi nuqtasini ifodalaydi. Qat’iy sinf chegaralari o‘rniga ustma-ust tushuvchi a’zolik funksiyalaridan foydalanish, masalan, bir o‘sish sur’atining bir vaqtning o‘zida qisman “O‘rta” va qisman “Yuqori” sifatida ifodalanishiga imkon beradi.

GRA kunlik log-daromadlar ustida bajarilgan bo‘lsa, xira mantiqiy xulosa tizimining lingvistik a’zoliklari yillik o‘sish sur’atlari bilan ishlaydi:

\[ YoY\_Growth_t = \exp[\ln(v_t)-\ln(v_{t-365})]-1 \]

Manbaga ko‘ra, buning sababi kunlik daromadlar juda kichik va shovqinli qiymatlarni berishi, yillik o‘sish esa “past/o‘rta/yuqori o‘sish” kabi lingvistik to‘plamlarga aniqroq iqtisodiy ma’no berishidir. Har bir walk-forward prognoz oynasida bu o‘sish faqat prognoz sanasida allaqachon ma’lum bo‘lgan tarixiy qiymatlardan hisoblanadi.

A’zolik funksiyalari qanday aniqlangan?

Parametrlashtirish uch bosqichdan iborat. Birinchi bosqichda uchta on-chain tahlil mutaxassisi uch raundli Delphi jarayoni orqali dastlabki “Past–O‘rta–Yuqori” chegaralarini belgilagan. Ikkinchi bosqichda faqat ta’lim davrining %20, %40, %60 va %80 percentillaridan foydalanilgan. Uchinchi bosqichda parametrlar empirik qiymatlarning taxminan ±%10 atrofiga grid search yordamida nozik sozlangan va 2021 tekshiruv ma’lumotidagi RMSE minimallashtirilgan.

Ushbu qat’iy kalibrlash tushuntiruvchi model uchundir. Tanlanmadan tashqari walk-forward prognozida a’zolik funksiyalari har bir oynada faqat o‘sha paytda mavjud bo‘lgan eng so‘nggi 1000 kunlik ma’lumotdan qayta baholangan. Shunday qilib, 2021-yilda bajarilgan tushuntiruvchi kalibrlash avvalgi davr prognozlariga sizib kirmagan.

Uchta sinxronlashtirilgan xira qoida

Qoida og‘irliklari GRG qiymatlaridan keltirib chiqarilgan. Birinchi qoida faol manzillarning normallashtirilgan GRG og‘irligiga, uchinchi qoida tranzaksiyalar soni og‘irligiga, ikkinchi qoida esa uch og‘irlikning o‘rtachasiga asoslangan. Chiqishni bitta songa aylantirishda centroid defuzzification usuli qo‘llangan.

Tadqiqot Usuli va Natijalari

Walk-forward tekshiruvi

Modelning asosiy baholanishi klassik yagona ta’lim/test ajratilishidan qat’iyroq bo‘lgan yuruvchi oyna protokoli yordamida bajarilgan. Har bir oynada so‘nggi 1000 kun ta’lim ma’lumoti sifatida ishlatilgan, keyingi 30 kun prognoz qilingan va oyna 30 kun oldinga siljitilgan. Jami 145 oyna × 30 kun = 4350 tanlanmadan tashqari prognoz ishlab chiqilgan.

Har bir oynada GRA reytinglari, a’zolik parametrlari va qoida og‘irliklari faqat prognoz vaqtida mavjud ma’lumotlardan foydalanib qayta hisoblangan. Uch asosiy kirishning aynanligi, uchta sinxronlashtirilgan qoida tuzilmasi, centroid usuli va asosiy \(\rho=0.5\) ta’rifi esa metodologik konstantalardir.

Asosiy prognoz samaradorligi

Manba yana ikkita mashinaviy o‘rganish taqqoslashini ham xabar qiladi. Random Forest RMSE=0.4321 bilan chiziqli regressiyaga nisbatan %16.6, LSTM esa RMSE=0.3956 bilan %23.8 yaxshilanish ko‘rsatgan. Fuzzy-GRA ning RMSE qiymati 0.3521 bo‘lgani uchun u Random Forest dan %18.7, LSTM dan %11.0 pastroq xato bergan.

Fuzzy-GRA ning Chiziqli Regressiyadan Yaxshiroq Bo‘lishi Statistik Jihatdan Qo‘llab-quvvatlanadimi?

Ha, tadqiqotning tanlanmadan tashqari prognozlari doirasida qo‘llab-quvvatlanadi. Diebold–Mariano testi kvadrat xato yo‘qotishida \(DM=-8.437\) va \(p<0.0001\) ni bergan; o‘rtacha yo‘qotish farqining %95 ishonch oralig‘i to‘liq noldan past qolgan. Mutlaq xato yo‘qotishi bilan takrorlanganda ham \(DM=-7.218\) va \(p<0.0001\) topilgan. Ushbu natija tadqiqot ichidagi prognoz ustunligini qo‘llab-quvvatlaydi; Bitcoin dan boshqa aktivlarga avtomatik umumlashtirishni ta’minlamaydi.

Ablatsiya: yaxshilanishni qaysi axborot guruhi ta’minlaydi?

Mualliflar ajratishiga ko‘ra, jami 32.2 foiz punktlik RMSE yaxshilanishining 28.8 punkti on-chain kirishlar bilan bog‘liq; bu taxminan %89 ulushga teng. Bozor va kayfiyat o‘zgaruvchilari qolgan taxminan %11 qo‘shimcha hissani beradi.

Faol Manzillar va Tranzaksiyalar Soni Allaqachon Hajmning Bir Qismi Bo‘lsa, Natija Faqat Mexanik Munosabatmi?

Manba bu xavfni tan oladi va butunlay mexanik izohni tekshirish uchun faol manzillar soni va tranzaksiyalar sonini modeldan chiqaradigan alohida mustahkamlik testini bajaradi. Faqat mayner daromadi va HashRate dan foydalangan qisqartirilgan Fuzzy-GRA modeli RMSE=0.3984 hosil qilgan, ayni ikki kirishli chiziqli model esa RMSE=0.5171 da qolgan; Fuzzy-GRA taxminan %23.1 pastroq xato bergan. Bu natija mexanik ayniyat barcha prognoz afzalligini tushuntirmasligini qo‘llab-quvvatlaydi, biroq baribir strukturaviy sababiylik dalili emas.

Granger prognozlanish testlari

Bu yerdagi “Granger-cause” iborasi o‘tgan qiymatlar maqsadning kelajakdagi qiymatlarini statistik jihatdan prognozlashga yordam beradimi yoki yo‘qmi, shuni sinaydi. Ushbu test iqtisodiy yoki jismoniy strukturaviy sababiylikni o‘zi yolg‘iz isbotlamaydi.

Qoidalar soni va ortiqcha moslashish

Modelning faqat uchta qoidani ishlatishi tasodif emas. RMSE bitta qoidada 0.412, ikkita qoidada 0.378 va uchta qoidada 0.352 gacha pasayadi. To‘rtta va beshta qoidada samaradorlik taxminan plato hosil qiladi, oltita va undan ko‘p qoidada esa xato yana oshadi. Yetti qoidada RMSE 0.389, sakkiz qoidada 0.415 va to‘qqiz qoidada 0.447. Barcha 27 mumkin bo‘lgan qoidani o‘z ichiga olgan tizim ham tanlangan uch qoidali tuzilmadan yomonroq natija beradi.

Ortiqcha moslashish xulosasida Fuzzy-GRA ning ta’lim RMSE qiymati 0.3247, test RMSE qiymati 0.3512 va overfit ratio qiymati 0.081 sifatida berilgan. Chiziqli model uchun mos qiymatlar 0.4602, 0.5178 va 0.126. Manbadagi 0.3512 test RMSE qiymati asosiy samaradorlik jadvalidagi 0.3521 bilan kichik nomuvofiqlikni ko‘rsatadi; shu sababli asosiy samaradorlik taqqoslashlarida asosiy 7-jadval qiymati asos qilib olingan.

Muqobil xira mantiq arxitekturalari

ANFIS taxminan %1.1 pastroq RMSE berganiga qaramay, mualliflar tadqiqotning asosiy maqsadi bo‘lgan tushuntiriluvchanlik sababli Mamdani tuzilmasini tanlagan. Demak, tadqiqot “Mamdani barcha arxitekturalar orasida mutlaq eng yuqori aniqlikni beradi” degan da’voni qilmaydi; tanlov sababi aniqlik va talqin qilinuvchanlik o‘rtasidagi muvozanatdir.

Boshqa mustahkamlik testlari

Z-score normallashtirishda GRA reytingi to‘liq saqlangan. Kunlik ma’lumotlar haftalik agregatsiyaga o‘tkazilganda Fuzzy-GRA ning chiziqli modelga nisbatan RMSE afzalligi %28.3 bo‘lib davom etgan va Diebold–Mariano testi yana \(p<0.0001\) natijasini bergan. Model faqat 2021-yil oxirigacha bo‘lgan ma’lumotlar asosida qurilib 2022-yil ustida sinovdan o‘tkazilganda RMSE yaxshilanishi %30.1 deb topilgan. Ushbu tekshiruvlar asosiy natija faqat muayyan normallashtirish usuliga, kunlik mikro-shovqinga yoki 2022-yildan keyingi davrga bog‘liq emasligini qo‘llab-quvvatlaydi.

Soddalashtirilgan savdo strategiyasi

Manba prognoz aniqligidagi farq amaliy miqyosda qanday ko‘rinishi mumkinligini ko‘rsatish uchun soddalashtirilgan Bitcoin savdo simulyatsiyasini ham yaratgan. Xira model ertasi kun hajm o‘sishini oldingi ma’lumotlarga tayangan holda prognoz qiladi; agar prognoz so‘nggi 60 kunlik prognoz medianasidan yuqori bo‘lsa Bitcoin da uzun pozitsiya, aks holda naqd pul holati qabul qilinadi. Har bir tranzaksiya uchun %0.1 xarajat qo‘llangan.

Bu Savdo Simulyatsiyasi Fuzzy-GRA Bilan Foydali Bitcoin Strategiyasining Isbotimi?

Yo‘q. Manba mualliflari ushbu qismni aynan tushuntiruvchi simulyatsiya sifatida cheklaydi. Hisob slippage, bozor ta’siri, moliyalashtirish xarajatlari va tartibga solish cheklovlari kabi real savdo sharoitlarining barchasini o‘z ichiga olmagani uchun xabar qilingan daromad va Sharpe nisbatlarini amaldagi investitsiya samaradorligi yoki investitsiya tavsiyasi sifatida talqin qilib bo‘lmaydi.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

• Tranzaksiya hajmi bilan eng kuchli va barqaror geometrik munosabat faol manzillar va tranzaksiyalar sonida kuzatiladi.
• Mayner daromadi ham narx va bozor kayfiyatiga qaraganda yuqoriroq GRG qiymatiga ega.
• Fuzzy-GRA ushbu ma’lumotlar to‘plami va tekshiruv protokoli doirasida chiziqli regressiyaga qaraganda sezilarli darajada pastroq tanlanmadan tashqari xato hosil qiladi.
• Chiziqli bo‘lmagan usullarning afzalligi ayniqsa murakkabroq va yuqori volatillikli kunlarda yaqqolroq ko‘rinadi.
• On-chain axborot umumiy prognoz yaxshilanishining asosiy qismini ta’minlaydi.
• Uchta sinxronlashtirilgan qoida kengroq qoida bazalariga nisbatan aniqlik–talqin qilinuvchanlik muvozanatida kuchli natija beradi.
• Natijalar normallashtirish, haftalik agregatsiya, 2022-yildan keyingi davrni chiqarib tashlash va muqobil xira mantiq arxitekturasi tekshiruvlarida umuman saqlanadi.

Tadqiqot qo‘llab-quvvatlamaydigan natijalar

• GRA reytingi strukturaviy sababiylik dalili emas.
• Granger sababiyligi iqtisodiy yoki jismoniy sababiylikni anglatmaydi.
• Faol manzillar va tranzaksiyalar soni tranzaksiya hajmidan to‘liq mustaqil o‘zgaruvchilar deb aytib bo‘lmaydi.
• Fuzzy-GRA barcha kriptovalyutalarda ayni muvaffaqiyatni ta’minlashi ko‘rsatilmagan.
• Ethereum yoki proof-of-stake tarmoqlarida kross-aktiv tekshiruvi o‘tkazilmagan.
• Model kelajakdagi rejim o‘zgarishlariga avtomatik moslashadigan to‘liq adaptiv tizim emas.
• Savdo simulyatsiyasi real dunyoda kafolatlangan foydalilik yoki investitsiya tavsiyasi emas.

Cheklovlar

Manba mualliflari ko‘rsatgan birinchi asosiy cheklov qoida tuzilmasining statikligidir. Walk-forward baholashda ayrim ma’lumotga bog‘liq parametrlar qayta baholansa-da, tanlangan uchta asosiy kirish va qoida tuzilmasi o‘zgarmasdir. Kelajakdagi halving hodisalari yoki bozor rejimi o‘zgarishlari ushbu munosabatlarni o‘zgartirishi mumkin.

Ikkinchi cheklov o‘zgaruvchilar qamrovidir. Model blokcheyn fundamentallariga qaratilgani uchun kengroq ijtimoiy tarmoq o‘zgaruvchilari, makroiqtisodiy ko‘rsatkichlar va tartibga soluvchi hodisa o‘zgaruvchilarining barchasi modelga kiritilmagan.

Uchinchi cheklov tadqiqot faqat Bitcoin ustida bajarilganidir. Proof-of-stake kabi boshqacha iqtisodiy arxitekturaga ega tarmoqlarda tekshiruv o‘tkazmasdan ayni omil reytingi amal qiladi deb faraz qilib bo‘lmaydi.

To‘rtinchi cheklov ayrim asosiy on-chain ko‘rsatkichlarning maqsad o‘zgaruvchining hisob tuzilmasi bilan ta’rifiy bog‘lanishidir. Manba qisqartirilgan model testi orqali bu muammoga javob berishga harakat qilgan bo‘lsa-da, ushbu tuzilma sababiy talqinlarni cheklashda davom etadi.

Manba va Usul Haqida Izoh

Asl sarlavha: Integrating Fuzzy Logic with Grey Relational Analysis for Enhanced Cryptocurrency Transaction Modelling

Mualliflar: Kongolo Olivier Musampa; Clement Jules Mba.

Mas’ul mualliflar: Kongolo Olivier Musampa va Clement Jules Mba.

Muassasa: School of Economics, University of Johannesburg, Auckland Park, Johannesburg, South Africa.

Jurnal: Economies.

Nashriyot: MDPI.

Bibliografik qayd: 2026, Jild 14, Son 9, Maqola 401.

DOI: 10.3390/economies14090401.

Sanalar: Qabul qilindi 11 mart 2026; qayta ko‘rib chiqildi 3 may 2026; qabul qilindi 5 may 2026; nashr qilindi 9 sentabr 2026.

Versiya: Version of Record.

Litsenziya: Creative Commons Attribution (CC BY).

Manba turi: Bitcoin kunlik vaqt qatorlari bo‘yicha empirik prognozlash/modellashtirish tadqiqoti.

Asosiy ma’lumot: 5359 kunlik Bitcoin kuzatuvi. Asosiy metod bo‘limi ma’lumot oralig‘ini 18 iyul 2010–21 mart 2025 sifatida ko‘rsatadi, Qo‘shimcha A1-jadval esa yakuniy sanani 22 mart 2025 deb ko‘rsatadi.

Ma’lumot manbalari: CoinMetrics, Crypto Fear & Greed Index uchun alternative.me va tadqiqotda ko‘rsatilgan bozor ma’lumotlari uchun CoinMarketCap.

Asosiy usul: kunlik log-daromad transformatsiyasi; min–max normallashtirish; Grey Relational Analysis; \(\rho=0.1–0.9\) sezgirlik tekshiruvi; LASSO tekshiruvi; 365 kunlik sirg‘aluvchi GRA oynalari; Mamdani turidagi Xira Mantiqiy Xulosa Tizimi; uchburchak a’zolik funksiyalari; uch bosqichli a’zolik parametrlashtirish; centroid defuzzification; walk-forward tekshiruvi; moving-block bootstrap; Diebold–Mariano testi; ablatsiya; Granger testlari va muqobil model mustahkamligi tahlillari.

Walk-forward dizayni: 1000 kunlik ta’lim oynasi, 30 kunlik prognoz ufqi, 30 kunlik siljish qadami, 145 oyna va 4350 tanlanmadan tashqari prognoz. Asosiy metod bo‘limi tekshiruv vaqt oralig‘ini 2013-yil oktabr–2025-yil mart deb beradi, Appendix D xulosasi esa 2019–2025 ifodasidan foydalanadi; manba ichidagi ushbu farq hal qilinmasdan yagona sana oralig‘i aniq haqiqat sifatida birlashtirilmasligi kerak.

Moliyalashtirish: Tadqiqot tashqi moliyalashtirish olmagan.

Etika: Institutional Review Board va informed consent qoidalari qo‘llanilmaydi.

Ma’lumotlarning mavjudligi: Bitcoin tranzaksiya va on-chain ko‘rsatkichlari hamda kayfiyat ma’lumotlari foydalanilgan uchinchi tomon manbalarida ommaga ochiq ekani ko‘rsatilgan. Fuzzy-GRA Python implementatsiyasini corresponding author dan asosli so‘rov orqali olish mumkinligi bildirilgan.

Manfaatlar to‘qnashuvi: Mualliflar manfaatlar to‘qnashuvi haqida xabar bermagan.

Muallif hissalari: Konseptuallashtirish K.O.M. va C.J.M.; usul va dasturiy ta’minot K.O.M.; tekshiruv ikkala muallif; formal tahlil va tadqiqot K.O.M.; ma’lumotlar kuratsiyasi ikkala muallif; dastlabki qoralama K.O.M.; ko‘rib chiqish va tahrirlash ikkala muallif; vizualizatsiya K.O.M.; nazorat C.J.M.; loyiha boshqaruvi K.O.M. tomonidan bajarilgan.

Sun’iy intellektdan foydalanish bayonoti: Manba mualliflari Claude nomli katta til modelidan faqat yuzaki til tahriri, grammatika, imlo va havolalarni formatlash maqsadida foydalanganliklarini; tadqiqot g‘oyasi, tadqiqot dizayni, ma’lumot yig‘ish, GRA, FIS dizayni, statistik tahlil, jadval/rasm yaratish yoki ilmiy talqin uchun generativ sun’iy intellektdan foydalanmaganliklarini bildiradilar.

Manba ichidagi nomuvofiqlik qaydi: ma’lumot yakuniy sanasidagi 21/22 mart 2025 farqi; tekshiruv vaqt oralig‘idagi 2013–2025/2019–2025 farqi; FIS izohidagi “to‘rtta kirish” iborasiga qaramay uchta kirish sanab o‘tilishi; 27-qoidali izoh bilan yakuniy uch-qoidali tizimning ayni bo‘limda aralashib ketishi; asosiy va overfitting jadvallaridagi 0.3521/0.3512 test RMSE farqi hamda chiziqli model sMAPE qiymatlarining ikki panel orasida mos kelmasligi manbada ko‘rinib turadi. Ushbu qiymatlar Verianla matnida yashirin tarzda birlashtirilmagan.

Talqin chegarasi: Tadqiqotning asosiy ilmiy natijasi prognoz samaradorligi va empirik munosabatlardir. GRA munosabatlari va Granger testlari strukturaviy iqtisodiy sababiylik dalili emas; savdo strategiyasi ham investitsiya tavsiyasi yoki real bozor foydaliligi dalili emas.