Барои омӯзонидани моделҳои зеҳни сунъии молиявӣ додаҳои босифат, дарозмуддат ва боэътимод заруранд. Аммо дар соҳаи молия дастрасӣ ба додаҳои воқеӣ на ҳамеша имконпазир аст. Муассисаҳо шояд нахоҳанд сабтҳои муомилотро мубодила кунанд, ҳифзи махфияти корбарон ҳатмист ё намунаҳои аномалияҳои камёб метавонанд барои омӯзиши модел нокифоя бошанд. Аз ин рӯ, истеҳсоли додаҳои синтетикӣ ба яке аз самтҳои муҳими таҳқиқотӣ дар моделсозии молиявӣ табдил ёфтааст.

Ин таҳқиқот барои истеҳсоли додаҳои синтетикӣ дар силсилаҳои замонии нархи криптоасъор аз равиши Conditional Generative Adversarial Network, яъне шабакаи тавлидии рақобатии шартӣ истифода мебарад. Дар модел, дар тарафи generator шабакаи рекуррентии навъи LSTM ва дар тарафи discriminator сохтори MLP ҷойгир аст. Ҳадаф ин аст, ки бо истифода аз маълумоти нархи қаблӣ ва ғавғо нархҳои нави басташавие истеҳсол шаванд, ки аз ҷиҳати оморӣ ба силсилаҳои воқеии нарх монанданд.

Озмоишҳо дар BTC, ETH ва XRP гузаронида шудаанд. Додаҳо аз фосилаи васеътаре гирифта шудаанд, ки давраи январи 2022–октябри 2025-ро фаро мегирад; махсусан давраҳои ноустувории баланди март–апрели 2022, апрел–майи 2022 ва сентябри 2025 баррасӣ шудаанд. Натиҷаҳо нишон медиҳанд, ки модел тамоюли нархро махсусан дар бозорҳои нисбатан пардохтпазир ва ташаккулёфта, монанди BTC, хеле хуб тақлид мекунад, аммо дар дороиҳои пурғавғотар ё ҳассос ба рӯйдодҳои беруна, монанди ETH ва XRP, майл дорад баъзе қуллаҳои ноустувориро ҳамвор созад.

Мушкил чист?

Додаҳои молиявӣ барои моделҳои зеҳни сунъӣ бисёр арзишманданд, вале онҳо аксаран ҳассос мебошанд. Дар соҳаҳое чун бонкдорӣ, низомҳои пардохт, муомилоти крипто, ошкорсозии қаллобӣ ва таҳлили шустушӯи пул мубодилаи сабтҳои воқеии муомилот метавонад бо сабабҳои махфият, танзим ва сирри стратегӣ маҳдуд карда шавад.

Ин вазъ таҳияи моделро душвор мекунад. Агар додаҳои воқеии кофӣ мавҷуд набошанд, давраҳои аномалия ё буҳрон, ки кам рух медиҳанд, нокифоя намояндагӣ мешаванд. Модел танҳо давраҳои муқаррариро меомӯзад ва ҳангоми ҳаракатҳои ғайриодии бозор заиф мемонад. Истеҳсоли додаҳои синтетикӣ маҳз дар ҳамин нуқта ба кор меояд: тавлиди намунаҳои наве, ки хусусиятҳои омории додаҳои воқеиро нигоҳ медоранд, вале сабтҳои айнан воқеӣ нестанд, ҳам барои таҳқиқот ва ҳам барои озмоиши модел муфид буда метавонад.

Бозорҳои криптоасъор барои ин мушкил майдони муносибе барои озмоиш мебошанд. Зеро онҳо ноустувории баланд, тағйироти ногаҳонии режим, ҳассосият ба рӯйдодҳои беруна ва ҷараёни муттасили муомилотро дар бар мегиранд. Аммо маҳз ҳамин хусусиятҳо моделсозиро душвор мекунанд. Модели тавлидӣ бояд на танҳо самти умумии нарх, балки тағйирёбӣ дар тӯли вақт, ҷаҳишҳои ногаҳонӣ ва шаклҳои гуногуни рафторро дар давраҳои буҳрон низ дарёфт кунад.

Усул чӣ пешниҳод мекунад?

Таҳқиқот барои тавлиди силсилаи замонии синтетикӣ аз нархҳои басташавии криптоасъор меъмории Conditional GAN-ро пешниҳод мекунад. Дар ин меъморӣ ду шабакаи асосӣ якҷоя омӯзонида мешаванд:

Generator: Шабакаи навъи LSTM аст. Он бо истифода аз маълумоти нархи қаблӣ ва сигнали ғавғо мекӯшад муодили синтетикии нархи ҷориро тавлид кунад. Сабаби интихоби LSTM пайдарпай ва вобаста ба вақт будани силсилаҳои нархи молиявӣ мебошад.

Discriminator: Таснифгари бар MLP асосёфта мебошад. Он мекӯшад муайян кунад, ки ҷуфти нархи ба он додашуда аз додаҳои воқеӣ гирифта шудааст ё аз ҷониби generator тавлид шудааст.

Мантиқи модел ба омӯзиши adversarial, яъне рақобатӣ асос ёфтааст. Дар ҳоле ки generator мекӯшад нархҳои синтетикии воқеитар тавлид кунад, discriminator барои фарқ кардани намунаҳои воқеӣ ва синтетикӣ талош мекунад. Бо пешрафти омӯзиш generator тавлиди намунаҳои то дараҷае воқеиро меомӯзад, ки discriminator-ро фиреб дода метавонанд.

Дар бахши коркарди додаҳо нархҳои басташавӣ бо StandardScaler нормализатсия мешаванд. Пас аз омӯзонидани модел табдили баръакс татбиқ шуда, нархҳои синтетикӣ ба миқёси аслӣ баргардонида мешаванд. Бо ин роҳ натиҷаҳо аз нигоҳи иқтисодӣ қобили тафсир мегарданд.

Формулаҳо чиро шарҳ медиҳанд?

Дар PDF формулаҳои асосӣ барои шабакаҳои асабии сунъӣ, RNN/LSTM, функсияи ҳадафи GAN, StandardScaler ва функсияи талафот оварда шудаанд. Формулаҳои зер бо ҳифзи ҳарчи бештари ишорагузории мақола дар шакли мутобиқ бо MathJax пешниҳод шудаанд.

1. Баромади як гиреҳ дар шабакаи асабии сунъӣ

Ин формула тарзи кори гиреҳи классикии шабакаи асабии сунъиро нишон медиҳад. Аввал баромадҳои аз гиреҳҳои қаблӣ омада ба вазнҳо зарб ва ҷамъ мешаванд; сипас бо татбиқи функсияи фаъолсозӣ баромади нав ҳосил мегардад. Дар ин ҷо \(w_{i,j}\) вазни гузариш аз гиреҳи \(i\) ба гиреҳи \(j\), \(g_j\) функсияи фаъолсозӣ ва \(in_j\) вуруди ҷамъи вазндорро ифода мекунад.

2. Вобастагии замонӣ дар RNN

RNN бо истифодаи якҷояи ҳолати гузашта \(z_{t-1}\) ва вуруди ҷорӣ \(x_t\) ҳолати нави \(z_t\)-ро тавлид мекунад. Ин сохтор имкон медиҳад, ки маълумоти гузашта ба баромади имрӯза таъсир расонад. Азбаски силсилаҳои нархи крипто ба вақт вобастаанд, сохторҳое чун RNN ва LSTM дар чунин додаҳо зиёд истифода мешаванд.

3. Дарвозаҳои LSTM

LSTM барои коҳиш додани душвории омӯзиши вобастагиҳои дарозмуддат дар RNN-и классикӣ аз механизмҳои дарвоза истифода мебарад. \(f_t\) дарвозаи фаромӯшкунӣ, \(i_t\) дарвозаи вуруд ва \(o_t\) дарвозаи баромад мебошанд. \(c_t\) хотираи ҳуҷайра ва \(z_t\) баромади кӯтоҳмуддатро ифода мекунад. Ин сохтори хотира барои ҳифзи таъсири режимҳои гузаштаи нарх дар силсилаҳои молиявӣ муҳим аст.

4. Бозии minimax-и GAN

Ин формула омӯзиши GAN-ро ҳамчун бозии ду бозигар тавсиф мекунад. Generator \(g\) мекӯшад discriminator-и \(d\)-ро фиреб диҳад, discriminator бошад барои ҷудо кардани намунаҳои воқеӣ ва сохта талош мекунад. Ҳадафи омӯзиш ин аст, ки generator намунаҳои монанд ба тақсимоти додаҳои воқеиро тавлид намояд.

5. Функсияи арзиши GAN

Ин формула муваффақияти discriminator-ро дар воқеӣ шинохтани намунаҳои воқеӣ ва сохта шинохтани намунаҳои generator чен мекунад. \(x\) намунаи аз додаҳои воқеӣ гирифташуда, \(z\) ғавғои ба generator додашуда, \(g(z)\) намунаи тавлидшуда ва \(d(x)\) эҳтимолияти воқеӣ будан аз нигоҳи discriminator-ро нишон медиҳад.

6. Нормализатсияи StandardScaler

Ин формула тарзи стандартӣ кардани додаҳои нархро нишон медиҳад. \(x\) мушоҳидаи аслӣ, \(\mu\) миёнаи силсила ва \(\sigma\) инҳирофи стандартӣ мебошад. Ҳамин тавр додаҳо ба шакле миқёсбандӣ мешаванд, ки миёнаашон сифр ва вариансияашон як бошад. Ин амал метавонад омӯзишро дар моделҳои бар градиент асосёфта, монанди GAN ва LSTM, устувортар кунад.

7. Сохтори ҷуфти шартии нарх

Дар таҳқиқот додаҳо ба шакли ҷуфтҳои шартӣ байни нархи қаблӣ ва нархи ҷорӣ ташкил карда мешаванд. Generator бо истифода аз маълумоти нархи қаблӣ ҳамчун шарт мекӯшад муодили синтетикии нархи ҷориро тавлид кунад. Discriminator бошад тасниф мекунад, ки ин ҷуфт воқеӣ аст ё синтетикӣ.

8. Талафоти binary cross-entropy

Ин функсияи талафот барои чен кардани хатои таснифоти воқеӣ/сохтаи discriminator истифода мешавад. \(y=1\) намунаи воқеӣ ва \(y=0\) намунаи синтетикиро нишон медиҳад. Баромади модели \(x\) тавассути функсияи sigmoid ба эҳтимолият табдил дода мешавад.

9. Функсияи sigmoid

Функсияи sigmoid баромади моделро ба қимати эҳтимолияти байни 0 ва 1 табдил медиҳад. Азбаски дар таҳқиқот BCEWithLogitsLoss истифода мешавад, амалҳои sigmoid ва binary cross-entropy дар дохили як сохтори аз ҷиҳати ададӣ устувортар иҷро мешаванд.

10. Талафоти Discriminator

Discriminator ҳам бо намунаҳои воқеӣ ва ҳам бо намунаҳои сохтаи аз ҷониби generator тавлидшуда омӯзонида мешавад. Талафоти умумии discriminator миёнаи ин ду талафот аст.

Паёми асосии графикҳо, ҷадвалҳо ва схемаҳо

Схемаи ANN/RNN/LSTM дар саҳифаи 4: Схема сохторҳои шабакаи асабии классикӣ, RNN ва LSTM-ро паҳлу ба паҳлу нишон медиҳад. Паёми асосӣ ин аст, ки дар ҳоле шабакаҳои маъмулӣ ба робитаҳои алоҳидаи вуруд-баромад тамаркуз мекунанд, RNN ва LSTM метавонанд вобастагии замониро нигоҳ доранд. Аз ин рӯ, LSTM барои додаҳои пайдарпай, монанди силсилаҳои нархи крипто, муносибтар аст.

Схемаи ҷараёни методологӣ дар саҳифаи 6: Раванди кори таҳқиқот аз истихроҷи додаҳо, коркарди додаҳо, таҳлили модел, сохтани модели CGAN-LSTM, интихоби давраҳои ноустуворӣ, нормализатсия, баррасии адабиёти GAN ва таҳлили натиҷаҳо иборат аст. Ин схема нишон медиҳад, ки таҳқиқот на танҳо бар омӯзиши модел, балки бар интихоби додаҳо ва ҷудокунии давраҳои ноустуворӣ низ асос ёфтааст.

Графикҳои таҳаввули криптоасъор дар саҳифаи 7: Динамикаи нарх ва тағйироти BTC, ETH ва XRP байни солҳои 2022–2025 нишон дода мешавад. Паёми асосӣ ин аст, ки дороиҳои крипто дар давраҳои гуногун ҳаракатҳои шадиди нарх ва ноустувории баланд нишон медиҳанд. Аз ин рӯ, ҳангоми истеҳсоли додаҳои синтетикӣ бояд на танҳо тамоюли миёнаи нарх, балки рафтори ноустуворӣ низ дарёфт шавад.

Графики давраҳои ноустуворӣ дар саҳифаи 8: Се давраи гуногун муқоиса карда мешавад. Дар давраи март–апрели 2022 тағйирёбиҳои баландбасомад дида мешаванд. Дар давраи апрел–майи 2022 коҳишҳои самтноктар ва шадидтар пеш меоянд. Дар сентябри 2025, ҳарчанд ноустуворӣ маҳдудтар аст, ҷаҳишҳои ногаҳонӣ ҳанӯз вуҷуд доранд. Паёми асосии ин графикҳо он аст, ки ҳар давраи ноустуворӣ хусусияти яксон надорад.

Схемаи меъмории CGAN-LSTM дар саҳифаи 9: Дар тарафи Generator, LSTM аз нархи қаблӣ ва ғавғо нархи синтетикӣ тавлид мекунад. Discriminator бошад мекӯшад ҷуфтҳои нархи воқеӣ ва сохтаро аз ҳам фарқ кунад. Паёми асосӣ ин аст, ки модел на танҳо нархи тасодуфӣ тавлид мекунад; он нархи қаблиро ҳамчун шарт истифода бурда, вобастагии замонӣ месозад.

Графикҳои талафоти омӯзиш дар саҳифаҳои 11–13: Талафоти generator ва discriminator барои BTC, ETH ва XRP нишон дода шудаанд. Аз графикҳо дида мешавад, ки раванди омӯзиш дар марҳилаҳои аввал зуд тағйир ёфта, сипас дар сатҳи устувортар қарор мегирад. Ин ба он ишора мекунад, ки омӯзиши adversarial ба тавозуни муайян наздик мешавад.

Графикҳои тақсимоти воқеӣ-синтетикӣ дар саҳифаи 14: Тақсимоти қиматҳои воқеӣ ва тавлидшуда барои BTC, ETH ва XRP тақрибан рӯйи хатти рост ҷамъ мешаванд. Ин нишон медиҳад, ки модел сатҳҳои нархро хеле наздик тавлид мекунад. Аммо коррелятсияи баланд худ аз худ маънои онро надорад, ки рӯйдодҳои шадид ва думҳои тақсимот пурра дарёфт шудаанд.

Муқоисаи силсилаҳои воқеӣ ва тавлидшуда дар саҳифаҳои 15–20: Дар графикҳо силсилаи воқеии нарх ва силсилаи синтетикӣ дар аксари давраҳо хеле наздик ҳаракат мекунанд. Дар BTC тамоюли умумӣ ва гузаришҳои режим беҳтар нигоҳ дошта мешаванд, дар ETH ва XRP бошад дида мешавад, ки баъзе қуллаҳои ногаҳонӣ ё ғавғои кӯтоҳмуддат ҳамвортар тавлид шудаанд. Паёми асосӣ ин аст, ки модел тамоюли умумии нархро хуб дарёфт мекунад, аммо қуллаҳои ноустувориро дар ҳамаи дороиҳо бо қувваи яксон тавлид намекунад.

Озмоишҳо чӣ гуна анҷом дода шудаанд?

Таҳқиқот барои BTC, ETH ва XRP додаҳои нархро дар сатҳи дақиқа истифода мебарад. Давраи умумӣ январи 2022–октябри 2025 зикр шудааст; дар озмоишҳо махсусан се давраи ноустувории баланд интихоб шудаанд: март–апрели 2022, апрел–майи 2022 ва сентябри 2025.

Додаҳо аз LSEG Platform гирифта шудаанд. Додаҳои хом тақрибан 0,5 миллион сабтро дар бар мегиранд. Пас аз поксозӣ ва назорати сифат маҷмӯаи ниҳоии додаҳо то 384.465 сабт коҳиш дода мешавад. Тағйирёбандаҳои истифодашуда ҳамчун period, open, high, low ва close оварда шудаанд; дар бахши моделсозӣ махсусан ба нархи басташавӣ тамаркуз шудааст.

Модел барои ҳар дороии крипто ва ҳар давра алоҳида омӯзонида мешавад. Дар омӯзиш 50 epoch истифода шудааст. Мувофиқи танзимоти Algorithm 1 андозаи ғавғо 8, андозаи шарт 60, batch size 64, суръати омӯзиш 0.0002 ва параметрҳои Adam ҳамчун \(\beta_1=0.5\), \(\beta_2=0.999\) интихоб шудаанд.

Модел аввал нархҳои басташавиро бо StandardScaler нормализатсия мекунад. Сипас ҷуфтҳои омӯзишӣ сохта мешаванд: нархи \(t-1\) ҳамчун шарт ва нархи \(t\) ҳамчун додаи воқеӣ истифода мешавад. Дар ҳоле ки Generator нархи синтетикии \(t\)-ро тавлид мекунад, discriminator мекӯшад ҷуфтҳои воқеӣ ва синтетикиро аз ҳам фарқ намояд.

Барои арзёбии натиҷаҳо коррелятсияи Pearson, коррелятсияи Spearman, MAE, RMSE ва муқоисаи графикӣ истифода шудаанд. Ин метрикаҳо барои фаҳмидани он кумак мекунанд, ки силсилаи синтетикӣ то чӣ андоза ба силсилаи воқеӣ монанд ҳаракат мекунад.

Натиҷаҳо чиро нишон медиҳанд?

1. Модел тамоюли умумии нархро хуб тақлид мекунад. Дар муқоисаҳои графикӣ силсилаи синтетикӣ самти умумӣ ва сохтори асосии мавҷии силсилаи воқеии нархро то андозаи зиёд пайгирӣ мекунад. Ба назар мерасад, ки махсусан дар BTC гузаришҳои тамоюл ва қолабҳои миёнаву дарозмуддат беҳтар ҳифз шудаанд.

2. Дар BTC мутобиқат қавитарин ба назар мерасад. Коррелятсияҳои Pearson ва Spearman, ки барои BTC гузориш шудаанд, хеле баланданд. Таҳқиқот инро ба пардохтпазиртару ташаккулёфтатар будани бозори Bitcoin ва доштани қолабҳои омории нисбатан устувор вобаста мекунад.

3. Дар ETH самти умумӣ дарёфт мешавад, аммо қуллаҳои ноустуворӣ метавонанд ҳамвор гарданд. Барои ETH модел метавонад самти асосии ҳаракати нархро пайгирӣ кунад, аммо дар баъзе қуллаҳои ногаҳонии ноустуворӣ силсилаи тавлидшуда метавонад амплитудаи пасттар нишон диҳад. Ин ҳолат бо душвории тавлиди рӯйдодҳои шадид ва думҳои вазнин дар моделҳои GAN мувофиқ аст.

4. Дар XRP ғавғои кӯтоҳмуддат мушкили бештар ба вуҷуд меорад. Ҳарчанд дар натиҷаҳои XRP дар баъзе фосилаҳо мутобиқати хуби маҳаллӣ дида мешавад, ҳассосият ба ғавғои кӯтоҳмуддат баландтар аст. Мақола инро чунин тафсир мекунад, ки XRP метавонад ба рӯйдодҳои беруна, хабарҳои танзимӣ ва таҳаввулоти институтсионалӣ ҳассостар бошад.

5. Интихоби StandardScaler ба устувории омӯзиш мусоидат мекунад. Азбаски силсилаҳои молиявӣ қиматҳои фавқулода ва ноустувории баланд доранд, миқёсбандӣ аҳаммияти ҳалкунанда дорад. StandardScaler метавонад бо коҳиш додани хатари таркиш ё нопадидшавии градиент омӯзиши GAN-LSTM-ро устувортар кунад.

6. BCEWithLogitsLoss устувории ададиро таъмин мекунад. Дар таҳқиқот ба ҷойи татбиқи ҷудогонаи sigmoid ва binary cross-entropy аз BCEWithLogitsLoss истифода мешавад. Ин интихоб метавонад ноустувориҳои ададиро, ки дар баромадҳои аз ҳад мутмаини discriminator ба вуҷуд меоянд, коҳиш диҳад.

Чаро ин муҳим аст?

Истеҳсоли додаҳои синтетикии молиявӣ танҳо як усули академии афзоиши додаҳо нест. Ҳангоми истифодаи дуруст он метавонад барои ҳифзи махфият, устувории модел, stress test, ошкорсозии аномалия ва симулятсияи сенарияҳои камёб муфид бошад. Махсусан вақте муассисаҳои молиявӣ намехоҳанд додаҳои воқеии муомилотро мубодила кунанд, додаҳои синтетикие, ки ба додаҳои воқеӣ монанданд, вале сабтҳои айнан воқеӣ нестанд, метавонанд таҳқиқотро осон намоянд.

Бозорҳои крипто аз ин лиҳоз муҳити омӯзандаи озмоишӣ фароҳам меоранд. Зеро ноустувории баланд ва тағйироти ногаҳонии режим аз моделҳои тавлидӣ талаб мекунанд, ки на танҳо сатҳи миёнаи нарх, балки динамикаи тӯли вақтро низ омӯзанд. Ин таҳқиқот нишон медиҳад, ки меъмории сода, вале ҳадафманди CGAN-LSTM метавонад ин динамикаро то андозае дарёфт кунад.

Аммо натиҷаҳо ҳамзамон огоҳии муҳим низ доранд: коррелятсияи баланд маънои онро надорад, ки додаҳои синтетикӣ аз ҳар ҷиҳат бо додаҳои воқеӣ баробаранд. Махсусан рӯйдодҳои шадид, рафторҳои камёби буҳронӣ, холигиҳои ногаҳонии пардохтпазирӣ ва ҷаҳишҳои нарх бар асари хабарҳои беруна метавонанд дар додаҳои синтетикӣ заифтар намояндагӣ шаванд. Аз ин рӯ, додаҳои синтетикӣ набояд бидуни санҷиш ҷойгузини додаҳои воқеӣ гарданд; онҳо бояд ҳамчун додаҳои ёрирасони назоратшаванда арзёбӣ шаванд.

Нуктаҳои қобили таваҷҷуҳ

1. Ин таҳқиқот машварати сармоягузорӣ нест. Тавлиди нархҳои синтетикӣ маънои пешгӯии бозори зинда ё тавсияи харидуфурӯшро надорад.

2. Он хусусияти preprint дорад. Натиҷаҳо набояд бо қатъияти як нусхаи ниҳоии доваришуда хонда шаванд.

3. Додаҳои синтетикӣ ҷойгузини комили додаҳои воқеӣ нестанд. Модел метавонад қолабҳои умумии нархро дарёфт кунад, аммо рӯйдодҳои шадид, буҳронҳои пардохтпазирӣ ва таъсири хабарҳои берунаро нопурра намояндагӣ намояд.

4. Коррелятсияи баланд худ аз худ далели кофии сифат нест. Дар силсилаҳои замонии молиявӣ гурӯҳбандии ноустуворӣ, думҳои вазнин, рафтори drawdown ва гузаришҳои режим бояд алоҳида арзёбӣ шаванд.

5. Модел танҳо ба нархи басташавӣ тамаркуз мекунад. Ҳарчанд додаҳои OHLC мавҷуданд, моделсозӣ асосан аз рӯйи нархи басташавӣ анҷом дода мешавад. Ҳаҷм, order book, додаҳои on-chain ё сигналҳои хабарӣ ба модел ворид карда нашудаанд.

6. Рӯйдодҳои беруна тавлиди синтетикиро душвор мекунанд. Омилҳои беруна, монанди навсозиҳои ETH, хабарҳои танзимии XRP ё таконҳои макроиқтисодӣ, метавонанд танҳо аз пайдарпайии нархҳои гузашта пурра омӯхта нашаванд.

7. Хатари mode collapse ва аз ҳад ҳамворсозӣ вуҷуд дорад. Моделҳои GAN дар баъзе ҳолатҳо метавонанд гуногуниро кам кунанд ё силсилаҳои аз ҳад ҳамвор тавлид намоянд. Аз ин рӯ, ҳангоми истеҳсоли додаҳои синтетикӣ дар баробари назорати визуалӣ санҷишҳои тақсимотӣ низ заруранд.

Ёддошти соҳаи хавфнок: Таҳқиқот ба додаҳои нархи криптоасъор марбут аст. Ин матн машварати сармоягузорӣ нест. Усулҳои дар ин ҷо шарҳдодашуда набояд ҳамчун пешгӯии нарх, стратегияи харидуфурӯш ё хулосаи қатъӣ дар бораи самти бозор барои Bitcoin, Ethereum ё XRP тафсир шаванд. Мақола бояд аз дидгоҳи истеҳсол ва моделсозии додаҳои синтетикии молиявӣ арзёбӣ гардад.

Арзёбии умумӣ: Мақола аз ин нуқта оғоз мекунад, ки додаҳои воқеии молиявӣ на ҳамеша ба осонӣ дастрас ё қобили мубодила мебошанд. Махсусан дар соҳаҳое чун муомилоти молиявӣ, сабтҳои дохилии муассиса, ошкорсозии аномалия ва таҳлили қаллобӣ, махфияти додаҳо, маҳдудиятҳои дастрасӣ ва тақсимоти номутавозуни синфҳо метавонанд мушкилоти ҷиддӣ эҷод кунанд. Таҳқиқот ба ин мушкил тавассути истеҳсоли додаҳои синтетикии бар Conditional GAN асосёфта дар силсилаҳои замонии нархи криптоасъор рӯ меорад.

Хулоса

Ин таҳқиқот нишон медиҳад, ки тавлиди додаҳои синтетикӣ дар силсилаҳои нархи криптоасъор бо меъмории CGAN-LSTM метавонад равиши имконпазир ва омӯзанда бошад. Сохтори LSTM-и Generator бо истифода аз маълумоти нархи қаблӣ вобастагии замонӣ месозад, discriminator бошад мекӯшад ҷуфтҳои нархи воқеӣ ва синтетикиро аз ҳам фарқ кунад. Ин омӯзиши рақобатӣ ҳадаф дорад пайдарпайиҳои нави нархеро тавлид кунад, ки ба силсилаи воқеӣ монанд бошанд.

Озмоишҳо нишон медиҳанд, ки модел махсусан дар бозорҳои нисбатан пардохтпазир ва ташаккулёфта, монанди BTC, мутобиқати қавӣ медиҳад; аммо дар дороиҳое чун ETH ва XRP, ки ноустувории сохтории баландтар ва ҳассосияти бештар ба рӯйдодҳои беруна доранд, баъзе маҳдудиятҳо нишон медиҳад. Ин натиҷа собит мекунад, ки фарқиятҳои вобаста ба навъи дороӣ дар истеҳсоли додаҳои синтетикии молиявӣ муҳиманд.

Паёми асосӣ барои хонандаи Verianla чунин аст: истеҳсоли додаҳои синтетикӣ метавонад дар зеҳни сунъии молиявӣ абзори муҳими ёрирасон бошад, аммо бояд бодиққат санҷида шавад, ки додаҳои тавлидшуда кадом ҷанбаҳои рафтори воқеии бозорро нигоҳ медоранд ва кадом ҷанбаҳоро ҳамвор мекунанд. Модели GAN метавонад хатти нархи воқеиро тақлид кунад, вале барои таҳлили хавфи молиявӣ муҳимтар аз ҳама он аст, ки рӯйдодҳои шадид ва тағйироти режим то чӣ андоза ҳифз мешаванд.

Ёддошти манбаъ ва усул

Ин матн муҳтавои аслии таҳририи тоҷикӣ мебошад, ки бар асоси PDF-и академӣ бо номи “Synthetic Data in Cryptocurrencies Using Generative Models” таҳия шудааст. Матн тарҷумаи таҳтуллафзӣ нест; мушкил, усул, формулаҳо, маҷмӯаи додаҳо, графикҳо, натиҷаҳо ва маҳдудиятҳои таҳқиқот ба забони содатар шарҳ дода шудаанд.