پیش بینی تغییرات قیمت بیتکوین با استفاده از تحلیل احساسات در شبکه های اجتماعی و سلبریتی ها به همراه رویکرد داده‌کاوی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه سمنان

2 استادیار، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه سمنان

چکیده

تحقیقات زیادی در مورد پیشبینی تغییرات قیمتی رمز ارزها انجام شده است که پژوهشگران از الگوریتم های یادگیری ماشین در این زمینه استفاده نمودند. هدف این مقاله ارائه رویکردی برای پیش‌بینی تغییرات قیمتی بیتکوین با استفاده از الگوریتم‌‌های یادگیری ماشین همراه با استفاده از داده های تحلیل احساسات مردم نسبت به افراد مشهور مانند ایلان ماسک در شبکه‌‌های اجتماعی توییتر، ردیت و تلگرام است. داده های جمع‌آوری شده برای این تحقیق نیز از سال 2021 و 2022 می باشد. وجه تمایز این تحقیق در استفاده از شاخص های تکنیکال، اقتصادی و تحلیل احساسات به صورت همزمان برای پیش بینی روند قیمت است. از روش حذف ویژگی بازگشتی برای انتخاب ویژگی استفاده گردیده و در مرحله بعد، با آزمایش 8 الگوریتم طبقه بندی، نتایج مقایسه شده اند. در این تحقیق الگوریتم xgboost  با رکورد دقت بدست آمده 88 درصدی در پیش بینی روند تغییرات قیمت بیتکوین عملکرد عالی را نشان داد.

کلیدواژه‌ها

عنوان مقاله [English]

Predicting Bitcoin price changes using sentiment analysis in social media and celebrities along with data mining

نویسندگان [English]

  • Ali Qorbani 1
  • Yousef Rabbani 2
  • Reza Kamran rad 2
  • peyman Falsafi 1
1 MSc. Student in Industrial Engineering, Engineering Department, Semnan University, Semnan, Iran
2 Assistant Professor in Industrial Engineering, Engineering Department, Semnan University, Semnan-Iran
چکیده [English]

Most of the research has been done on predicting the price changes of cryptocurrencies, and the researchers used machine learning algorithms in this field. The purpose of this article is to present an approach to predicting Bitcoin price changes using machine learning algorithms along with data from people's sentiment analysis towards famous people such as Elon Musk on Twitter, Reddit, and Telegram social networks. The data collected for this research is from 2021 and 2022. The distinguishing feature of this research is the use of technical, economic indicators and sentiment analysis simultaneously to predict the price trend. The recursive feature removal method was used to select the feature and in the next step, the results were compared by testing 8 classification algorithms. In this research, the xgboost algorithm showed excellent performance with a record accuracy of 88% in predicting the trend of Bitcoin price changes.

کلیدواژه‌ها [English]

  • Bitcoin
  • cryptocurrency
  • sentiment analysis
  • machine learning algorithms

فایل ها

هم رسانی

ارجاع به این مقاله

آمار