تقترح الدراسة نموذجًا جديدًا لتسعير خيارات البيتكوين مدفوعًا بالذكاء الاصطناعي

تقترح الدراسة نموذجًا جديدًا لتسعير خيارات البيتكوين مدفوعًا بالذكاء الاصطناعي

الطابع الزمني: 22 أكتوبر 2023 5:15 صباحًا

كشفت دراسة حديثة عن نموذج مبتكر لتسعير خيارات البيتكوين مدعوم بالذكاء الاصطناعي (AI).

يجمع هذا الطراز الحديث بسلاسة سعر بتكوين الديناميكيات وبيانات المشاعر، والاستفادة من قدرات الشبكات العصبية. ووفقا لأشخاص مطلعين على الأمر، فإن النتيجة هي تقليل أخطاء التسعير بشكل كبير، مما أدى إلى انخفاضها إلى 3٪. جوهر هذا الابتكار، وفقا لمقتطف من دراسة، هو الاعتقاد بأن،

"تقدم الشبكات العصبية طريقة حدودية مرنة ترتكز على تقريبها العالمي للنتائج النظرية."

نموذج التسعير المعزز بالذكاء الاصطناعي

لكل شخص دراسة، نموذج بلاك سكولز الشهير الذي تم تقديمه في عام 1973 سيطر تقليديا على منهجية تسعير الخيارات. ومع ذلك، فإن الافتراضات الصارمة والذاتية المتأصلة المرتبطة بمعاييرها غالبًا ما تؤدي إلى نتائج غير متسقة. على وجه التحديد، كافح هذا النموذج لمعالجة السلوك الخبيث لتوزيعات العائدات والتحديات الفريدة التي تواجهها التقلبات يبتسم والانحرافات.

وفي البحث عن بديل، قام الباحثون باختبار نماذج مختلفة، مثل النماذج الشجرية، ومحاكاة مونت كارلو، وطريقة الفرق المحدود. كل من هذه لديه نقاط القوة الخاصة به. على سبيل المثال، في حين أن النماذج الشجرية تحمل أوجه تشابه مع نموذج بلاك سكولز في ظروف معينة، فإن محاكاة مونت كارلو تستوعب الصدمات العشوائية بما يتجاوز قدرات النماذج الشجرية. وفي الوقت نفسه، تستخدم طريقة الفرق المحدود مخطط محاكاة مختلفًا تمامًا.

ومع ذلك، فإن ما غير قواعد اللعبة في هذه الدراسة هو تكامل الشبكات العصبية.

وقد أظهرت هذه النماذج غير البارامترية، مدعومة بأدائها التنبؤي المتقدم، نتائج واعدة في التفوق على النماذج الكلاسيكية. تتمتع نماذج الشبكات العصبية هذه بسجل حافل من الأداء الاستثنائي في التنبؤ بأسعار الأوراق المالية المشتقة.

لماذا الشبكات العصبية؟

وتكمن قوة الشبكات العصبية في قدرتها على التكيف وقدراتها على التعلم، وخاصة عندما تكون الأسواق متقلبة. على سبيل المثال، ياو وآخرون. (2000) اكتشف أن الشبكات العصبية تفوقت على نموذج بلاك سكولز في التنبؤ بالأسعار المتعلقة بالعقود الآجلة لمؤشر نيكاي 225، وخاصة في الأسواق المضطربة. مهدت هذه النتيجة الطريق أمام الباحثين لاستكشاف إمكانات الشبكات العصبية العملات المشفرة.

إن دمج الذكاء الاصطناعي والشبكات العصبية في نماذج التسعير لا يقتصر فقط على زيادة الدقة. يتعلق الأمر بالتكيف مع الطبيعة الديناميكية والمتقلبة للأسواق، وخاصة الأسواق الناشئة مثل العملات المشفرة. سوق العملات المشفرة بقيادة إلى البيتكوينيقدم تحديات وفرصًا فريدة للتجار والباحثين. يمثل النهج المقترح المكون من مرحلتين في هذه الدراسة - أولاً، استخدام التقنيات البارامترية مثل النماذج الشجرية ومحاكاة مونت كارلو ومن ثم تحسين تلك التنبؤات باستخدام الشبكات العصبية - خطوة واعدة إلى الأمام في فهم والاستفادة من ديناميكيات الأسعار المعقدة للبيتكوين.

فوز Grayscale's Landmark ETF يعزز عملة البيتكوين (BTC) بنسبة 7٪

فوز Grayscale's Landmark ETF يعزز عملة البيتكوين (BTC) بنسبة 7٪

التطلع إلى مستقبل تداول البيتكوين

• سوق التشفير يتطور باستمرار، ويقدم تحديات وفرصًا جديدة. والنماذج التقليدية، التي تفترض كفاءة السوق وغياب المراجحة، قد لا تكون كافية. ومع ذلك، نموذج الانتشار السريع تقدم الدراسة المقدمة في الدراسة نقطة انطلاق قوية للهندسة المالية المصممة خصيصًا للعملات المشفرة.

هذا النهج ليس مجرد أكاديمي. لها آثار عملية. وفقًا للخبراء، فإن فهم حركة سعر البيتكوين، بما في ذلك مستويات الدعم والمقاومة وخطوط الاتجاه ومؤشرات السوق، يعد أمرًا بالغ الأهمية للمستثمرين والمتداولين. أدوات الذكاء الاصطناعي المتقدمة مثل Avorak AI تمهد الطريق بالفعل من خلال تمييز الأنماط والتنبؤ بالاتجاهات والتوصية باستراتيجيات التداول المثالية. بالنسبة لأولئك الذين يشعرون بالخوف من تعقيدات تداول البيتكوين، تعمل أدوات الذكاء الاصطناعي على تبسيط العملية، وتوفير رؤى لا تقدر بثمن وتحليل السوق في الوقت الحقيقي.

وفقًا للخبراء، في حين أن البيتكوين والعملات المشفرة لا تزال منطقة مجهولة إلى حد كبير، فإن دمج الذكاء الاصطناعي والشبكات العصبية في نماذج التسعير يشير إلى مستقبل واعد. يشير تقليل أخطاء التسعير إلى 3% فقط إلى الإمكانات غير المستغلة للذكاء الاصطناعي في الهندسة المالية. مع نضوج مجال العملات المشفرة وظهور المزيد من الأبحاث، هناك كل الأسباب للاعتقاد بأن الذكاء الاصطناعي سيلعب دورًا متزايد الأهمية في تشكيل مستقبله.

الطابع الزمني:

اكثر من ميتا نيوز