آیدین ابوطالبی

رمزارزها، به ویژه بیت کوین، به عنوان دارایی های دیجیتال مبتنی بر فناوری بلاکچین، به دلیل ویژگی هایی همچون غیرمتمرکز بودن، شفافیت تراکنش ها و سرعت انتقال، توجه روزافزون سرمایه گذاران و پژوهشگران مالی را به خود جلب کرده اند. با این حال، این بازار ذاتاً با نوسانات شدید همراه است و تحت تأثیر عوامل اقتصادی، سیاسی و فناوری قرار دارد. این موضوع در شرایط بحران اقتصادی ایران، ناشی از تحریم های بین المللی، نوسانات نرخ ارز و تورم بالا، اهمیت توسعه مدل های پیش بینی دقیق تر را دوچندان می سازد. هدف این پژوهش امکان سنجی و ارزیابی عملکرد الگوریتم های فراابتکاری در بهینه سازی شبکه های عصبی مصنوعی جهت پیش بینی روند قیمتی بیت کوین است. در این راستا، الگوریتم ترکیبی شاهین آتشین- ساخت اهرام جیزه (FHO–GPC) با الگوریتم بهینه ساز گاومیش مشکی (MO) مورد استفاده قرار گرفت و داده ها به دو بخش آموزش (۸۰ ) و آزمون (۲۰ ) تقسیم شدند. پارامترهای شبکه عصبی پرسپترون چندلایه (MLP) توسط این الگوریتم ها بهینه سازی شدند؛ به گونه ای که FHO جستجوی سراسری را انجام داده و GPC بهینه سازی موضعی را بر عهده داشت. یافته ها نشان داد که الگوریتم MO با کاهش معنادار شاخص های خطا (RMSE) و (MAE) و افزایش ضریب تعیین (R²)، عملکرد دقیق تری نسبت به مدل ترکیبی ارائه کرده است. این برتری به ویژه در شرایط پرنوسان و بحرانی اقتصاد ایران برجسته تر بود. نتایج این پژوهش بیانگر آن است که الگوریتم MO می تواند به عنوان رویکردی کارآمد برای بهبود دقت پیش بینی و کاهش ریسک سرمایه گذاری در بازارهای مالی نوظهور و پرریسک مورد استفاده قرار گیرد.