تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الكلمات المفتاحية
  3. توقع سعر العملات المشفرة

الأبحاث المرتبطة بالكلمة المفتاحية: توقع سعر العملات المشفرة




  • تقييم مقارن لنماذج SARIMAX و LSTM و Prophet لتوقع اتجاه أسعار العملات المشفرة

    2026 | المؤلف: Drissia Ennagoura وآخرون | المجلة: Engineering Technology & Applied Science Research | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تقيّم هذه الورقة البحثية فعالية ثلاثة نماذج للتنبؤ—SARIMAX، وشبكات الذاكرة طويلة وقصيرة المدى (LSTM)، وFacebook Prophet—في توقع أسعار الإيثريوم (ETH)، مع دمج مؤشرات فنية مثل مؤشر القوة النسبية (RSI)، ومؤشر تقارب وتباعد المتوسطات المتحركة (MACD)، والمتوسط المتحرك الأسي (EMA). تسلط الدراسة الضوء على التحديات الكامنة في توقع أسعار العملات المشفرة بسبب عدم الخطية والتقلب الكبير.…


  • تقييم هياكل النمذجة لتوقع أسعار العملات المشفرة باستخدام البيانات المالية ووسائل التواصل الاجتماعي

    2026 | المؤلف: Tulika Shrivastava وآخرون | المجلة: Social Network Analysis and Mining | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تستكشف هذه الورقة البحثية نماذج توقع الأسعار قصيرة الأجل للعملات المشفرة، وتحديداً بيتكوين وإيثيريوم، باستخدام مؤشرات السوق وبيانات وسائل التواصل الاجتماعي. تتضمن الدراسة تحليلين مرجعيين يقيمان نماذج وهياكل شبكية وتركيبات ميزات مختلفة، مع التركيز على تأثيرات فترات التأخير، وتجميع البيانات، وتحليل المشاعر على توقعات الأسعار. تكشف النتائج أن الشبكات العصبية طويلة المدى (LSTM) تتفوق على…


  • تحليل مقارن لنماذج التعلم العميق LSTM وGRU وBi-LSTM لتوقع أسعار العملات المشفرة في السلاسل الزمنية

    2026 | المؤلف: I Putu Bramasta Priadinata وآخرون | المجلة: SinkrOn | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تدرس هذه الدراسة فعالية ثلاث هياكل تعلم عميق—ذاكرة طويلة وقصيرة الأجل (LSTM)، وحدة متكررة مغلقة (GRU)، وذاكرة طويلة وقصيرة الأجل ثنائية الاتجاه (Bi-LSTM)—في توقع أسعار البيتكوين (BTC)، الإيثريوم (ETH)، وعملة بينانس (BNB) باستخدام بيانات تاريخية أحادية المتغير. تم تقييم أداء هذه النماذج من خلال مقاييس الانحدار، وبشكل خاص خطأ الجذر التربيعي المتوسط (RMSE) وخطأ النسبة…


حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.