Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI: | http://purl.tuc.gr/dl/dias/C875E5D0-1A2F-40FC-AE6B-322A65CDB41A | ||
| Έτος | 2025 | ||
| Τύπος | Διπλωματική Εργασία | ||
| Άδεια Χρήσης |
|
||
| Βιβλιογραφική Αναφορά | Βασίλειος Πετράκης, "Νευρό-ασαφείς τεχνικές πρόβλεψης για τη πρόβλεψη τιμών κρυπτονομισμάτων", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2025 https://doi.org/10.26233/heallink.tuc.102292 | ||
| Εμφανίζεται στις Συλλογές |
Σε αυτή τη διπλωματική εργασία, επιδιώκεται η πρόβλεψη των τιμών κλεισίματος κρυπτονομισμάτων μέσω της εφαρμογής ενός προσαρμοστικού νευρό-ασαφούς συστήματος (Adaptive Neuro-Fuzzy System – ANFIS) και μέσω των ασαφών συνόλων (fuzzy type-2). Τα κρυπτό νομίσματα ενώ δεν αντιπροσωπεύουν νομίσματα ούτε επενδυτικά αγαθά με την παραδοσιακή έννοια, έχουν όμως προσελκύσει το ενδιαφέρον πολλών επενδυτών με αποτέλεσμα να διακινούνται τεράστια ποσά στην παγκόσμια οικονομία μέσω των κρυπτό-νομισμάτων. Οι διακυμάνσεις των τιμών τους, δίνει την δυνατότητα σε πολλούς επαγγελματίες συναλλαγών κρυπτό-νομισμάτων να αποκομίζουν σημαντικά κέρδη και φυσικά οι μη έχοντες εμπειρία να υπόκειται σε σημαντικές ζημιές. Το σύστημα ANFIS και το fuzzy type-2 επιλέχθηκε από μία πληθώρα μεθόδων πρόβλεψης, για τις δυνατότητες που παρέχει ο συνδυασμός της ασαφούς λογικής και των τεχνητών νευρωνικών δικτύων που δομούν τον αλγόριθμο ANFIS. Στο σύστημα fuzzy type-2 η βελτιστοποίηση του μοντέλου θα γίνει με τον αλγόριθμο Particle Swarm. Τα αποτελέσματα θα συγκριθούν, με παραδοσιακές μεθόδους πρόβλεψης, την Αυτοπαλινδρόμηση – (Auto Regression) και την αυτοπαλινδρόμηση κινούμενου μέσου όρου (Auto Regression Moving Average) για τη περαιτέρω αξιολόγηση των αποτελεσμάτων.
Copyright © DIAS 2013
