داوود زارع خانقاه

با توجه به اینکه پیشرفت های فنون رایانه ای حسابرسی بخصوص حسابرسی دیجیتال راهنمای بزرگی برای حسابرسان می باشد، همچنین حسابرسان نیازمند رویکرد جدید حسابرسی برای جمع آوری شواهد دیجیتالی می باشند. این رویکرد باید اطلاعات مهم و حساس را نشان دهد، مهمترین فاکتور در حسابرسی دیجیتال، شناسایی و ارزیابی ارزهای دیجیتال می باشند. ارزهای دیجیتال اخیرا از اقبال بالایی بین مردم و شرکت ها به منظور محلی برای سرمایه گذاری برخوردار شده اند. بیت کوین به عنوان یکی از مهم ترین ارزهای دیجیتال در سال های اخیر به عنوان منبع سرمایه گذاری و سود مورد توجه بسیاری از مردم و شرکت ها قرار گرفته است. به منظور شناسایی عوامل موثر بر پیش بینی قیمت ارزهای دیجیتال مشتری، امروزه ضمن بهره گیری از تکنیک های آماری، اقدام به نظرسنجی از خبرگان می کنند. در این تحقیق ضمن شناسایی معیارهای موثر، از تحلیل شبکه ای فازی برای محاسبه اوزان معیارها و گزینه ها استفاده شده است. این تحقیق از لحاظ نتیجه کاربردی و از لحاظ هدف توصیفی تبیینی می باشد. جامعه آماری تحقیق شامل افراد و خبرگان فعال در حوزه ارزهای دیجیتال می باشد که به شیوه نمونه گیری تصادفی و تمام شماری انتخاب شده اند و حجم نمونه به ترتیب 306 و 30 نفر می باشد. ابزار جمع آوری اطلاعات پرسشنامه و مصاحبه می باشد که دارای روایی و پایایی مناسب می باشد. تجزیه و تحلیل اطلاعات مبتنی بر مدل تصمیم گیری چندمعیاره بوده و نرم افزارهای Expert Choice و SPSS برای انجام محاسبات استفاده شده است. براساس محاسبات صورت گرفته، وزن معیارهای موثر محاسبه شده و برمبنای آن، از بین ارزهای دیجیتال، اتریوم به عنوان گزینه برتر در زمینه خرید ارزهای دیجیتال مورد استفاده در حسابرسی دیجیتال دستگاه های اجرائی کشور شناخته شده است.

سیستم های ترکیبی مبتنی بر شبکه های عصبی مصنوعی و سیستم های فازی مدل های مختلفی را برای پیشرفت علم ارائه می دهند از آنجا که آنها مدل هایی هستند که می توانند با آموزش عملی شبکه های عصبی و ظرفیت تفسیری سیستم های فازی کار کنند. لذا هدف این پژوهش، بررسی سیستماتیک مهمترین تئوری های پیش بینی ارز دیجیتال مبتنی بر مدل های ترکیبی فازی و شبکه های عصبی مصنوعی است مدل هایی که عمدتاً بر روش های نظارت شده جهت سنجش مدل های ترکیبی متمرکز هستند همچنین، این بررسی ، تاریخچه مدل های ترکیبی، ترکیبات و قابلیت های معماری ، پردازش داده ها و روش های سنجش آنها، ویژگی های مدل های برجسته(پیشرو) و کاربردهای آنها در پیش بینی ارز دیجیتال را نیز شامل می شود نتایج نشان می دهد که مدل های شبکه عصبی فازی و مشتقات آنها در پیش بینی ارز دیجیتال با دقت بسیار بالا و با قابلیت توجیه مناسب که در طیف وسیعی از حوزه های اقتصادی و علمی کاربرد دارد، کارآمد هستند