light box
امتیاز 2.58 مکانیک شبکه بیت کوین: پیش بینی قیمت بیت کوین با استفاده از مدل های اتورگرسیو برداری">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 29
تعداد کلمات : 7800
مجله : Journal of Risk and Financial Management
انتشار : 2021
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:مکانیک شبکه بیت کوین: پیش بینی قیمت بیت کوین با استفاده از مدل های اتورگرسیو برداری بر اساس متغیرهای ویژگی درون زا و برون زا

 چکیده

  بازار بیت کوین (BTC) خود را به عنوان یک ارز ​​منحصر به فرد جدید معرفی می کند و اغلب از آن به عنوان «ارز آینده» یاد می شود. شبیه سازی بازار بیت کوین در فرآیند کشف قیمت، مجموعه ای منحصر به فرد از مکانیک های بازار را ارائه می دهد. عرضه بیت کوین با تعداد ماینرها و بیت کوین موجود و با الگوریتم های اسکریپت نویسی برای هش بلاک چین تعیین می شود، در حالی که هم دلالان و هم سرمایه گذاران تقاضا را تعیین می کنند. پس یک سوال اصلی این است که بفهمیم بیت کوین چگونه ارزش گذاری می شود و عوامل مختلف چگونه بر آن تأثیر می گذارند. در این مقاله، مکانیک بازار BTC با استفاده از مدل‌های پیش‌بینی اتورگرسیو برداری (VAR) و اتورگرسیو برداری بیزی (BVAR) تجزیه می‌شود. این مدل‌ها در شبیه‌سازی قیمت‌های گذشته BTC با استفاده از مجموعه ویژگی‌های متغیرهای برون‌زا بسیار مفید بودند. مدل VAR امکان تجزیه و تحلیل عوامل تأثیرگذار را فراهم می کند. این تجزیه و تحلیل به درک عمیق آنچه که BTC را هدایت می کند کمک می کند و می تواند برای بسیاری از سهامداران مفید باشد. انگیزه اصلی این مقاله، سرمایه‌گذاری بر روی حرکت بازار و شناسایی محرک‌های مهم قیمت، از جمله سهامداران تحت تأثیر، اثرات زمان، و همچنین عرضه، تقاضا و سایر ویژگی‌ها است. دو مدل VAR و BVAR با برخی از مدل‌های پیش‌بینی پیشرفته در دو دوره زمانی مقایسه می‌شوند. نتایج تجربی نشان می‌دهد که مدل‌های مبتنی بر اتورگرسیو برداری عملکرد بهتری در مقایسه با مدل‌های اتورگرسیو سنتی و مدل‌های رگرسیون بیزی به دست آوردند(مکانیک شبکه بیت کوین).

Title: Bitcoin Network Mechanics: Forecasting the BTC Closing Price Using Vector Auto-Regression Models Based on Endogenous and Exogenous Feature Variables

Abstract

 The Bitcoin (BTC) market presents itself as a new unique medium currency, and it is often hailed as the “currency of the future”. Simulating the BTC market in the price discovery process presents a unique set of market mechanics. The supply of BTC is determined by the number of miners and available BTC and by scripting algorithms for blockchain hashing, while both speculators and investors determine demand. One major question then is to understand how BTC is valued and how different factors influence it. In this paper, the BTC market mechanics are broken down using vector autoregression (VAR) and Bayesian vector autoregression (BVAR) prediction models. The models proved to be very useful in simulating past BTC prices using a feature set of exogenous variables. The VAR model allows the analysis of individual factors of influence. This analysis contributes to an in-depth understanding of what drives BTC, and it can be useful to numerous stakeholders. This paper’s primary motivation is to capitalize on market movement and identify the significant price drivers, including stakeholders impacted, effects of time, as well as supply, demand, and other characteristics. The two VAR and BVAR models are compared with some state-of-the-art forecasting models over two time periods. Experimental results show that the vector-autoregression-based models achieved better performance compared to the traditional autoregression models and the Bayesian regression models.

    دیدگاهها بسته است.

    محصولات مشابه
    عملکرد زیست محیطی شرکت و ارزش شرکت – با استفاده از معیارهای انتشار آلودگی
    خـریـد محـصـول
    اندازه گیری کمی عدم قطعیت بارندگی و تبخیر و تعرق در مدل‌سازی بارش-رواناب
    خـریـد محـصـول
    فیزیولوژی تنش غرقابی در جو
    خـریـد محـصـول
    ارزش مصرف، نوآوری مصرف کننده و پذیرش محصول جدید: شواهد تجربی از ویتنام
    خـریـد محـصـول
    کیفیت پایین خواب و خواب آلودگی در روز در متخصصان بهداشت: شیوع و عوامل مرتبط
    خـریـد محـصـول
    پریکاردیت حاد پس از مداخله عروق کرونر از راه پوست: کیس ریپورت
    خـریـد محـصـول
    آگاهی موقعیتی: تکنیک ها، چالش ها و چشم اندازها
    خـریـد محـصـول
    چگونه از مشکلات رایج اجرای فناوری اطلاعات سلامت جلوگیری کنیم
    خـریـد محـصـول
    ارزیابی هوشیاری و توجه پایدار در بزرگسالان مبتلا به ADHD
    خـریـد محـصـول
    کمبود(نقص) توجه و علائم ADHD در بزرگسالان مبتلا به بیماری فابری – یک مطالعه آزمایشی
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. سامانه جستجوگر مالکیت فکری دارکوب به تازگی از پایگاه جستجو علائم تجاری خود نیز رونمایی کرده است که دارای امکانات تخصصی فراوانی می باشد.

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

     
    برو بالا