مجله بین المللی نوآوری در علوم کامپیوتر و فناوری اطلاعات 5 1 Designing a Novel Hybrid Algorithm Utilizing Dual LSTM & Dual RNN for Financial Market Prediction (Bitcoin) Designing a Novel Hybrid Algorithm Utilizing Dual LSTM & Dual RNN for Financial Market Prediction (Bitcoin) 98 106 10.22051/jera.2021.31891.2698 FA Mona Intelligent Systems Laboratory, Computer Engineering Faculty, Amirkabir University of Technology, Tehran Ahmad Intelligent Systems Laboratory, Computer Engineering Faculty, Amirkabir University of Technology, Tehran 2025 02 15 Background: Financial markets, known for their complexity and volatility, require advanced forecasting methods. These predictions are crucial for stakeholders to anticipate significant shifts, such as asset price changes. Experts use a variety of machine learning tools, including quantitative finance and neural networks, to generate reliable market forecasts. Aim: This study focuses on predicting Bitcoin prices using deep learning algorithms. The goal is not perfection, but to enhance predictive accuracy using established methods. Methods: We gather detailed market data via the Binance API, preprocess it, and extract key features. Our model combines LSTM and RNN architectures for Bitcoin price prediction, emphasizing practicality over a flawless system. Results: Using Python and TensorFlow, we test our model, which integrates LSTM and RNN. It outperforms other variants in metrics like mean squared error and mean absolute error, demonstrating its effectiveness in Bitcoin forecasting. We acknowledge its strengths and areas for improvement. Conclusion: Machine learning, especially deep learning, is valuable in financial market analysis, helping to identify complex patterns for asset prediction. While acknowledging its potential, we also recognize its limitations and advocate for open-source collaboration for further advancements. زمینه: بازارهای مالی به دلیل پیچیدگی و نوسانات زیاد، نیازمند پیش‌بینی دقیق هستند. این پیش‌بینی‌ها برای ارائه هشدارهای زودهنگام درباره رخدادهای مهم مانند نوسانات بازار، بسیار حائز اهمیت هستند. به منظور انجام پیش‌بینی قابل اعتماد در این بازارها، افراد از ابزارهای یادگیری متنوعی مانند ریاضیات مالی و یادگیری ماشین و یادگیری عمیق استفاده می‌کنند. این ابزارها به آنها کمک می‌کنند تا پیش‌بینی‌هایی را که قابلیت اعتماد دارند در این بازارها ارائه دهند. هدف: مهمترین هدف در این پژوهش پیش‌بینی قیمت در بازار کریپتو کارنسی و مخصوصا بیت کوین با استفاده از ترکیب الگوریتم های یادگیری عمیق و استفاده از مزایای این الگوریتم ها میباشد. روش¬ها: در این مقاله ابتدا به صرافی بایننس متصل شده و بعد از گرفتن اطلاعات بازار آن را پیش پردازش کرده و اطلاعاتی که نیاز داریم را جدا می¬کنیم و سپس با ترکیب دو الگوریتم یادگیری عمیق Dual LSTM و Dual RNN مدلی ترکیبی برای پیش بینی قیمت بیت کوین ارئه می¬دهیم . یافته¬ها: الگوریتم پیشنهادی با زبان برنامه نویسی پایتون و کتابخانه تنسورفلو پیاده سازی شده و با پروتکل های LSTM ، GRU و RNN مقایسه شد و نتایج پیاده سازی نشان می¬دهد که الگوریتم پیشنهادی از الگوریتم های ذکر شده در پارامتر های خطای میانگین مربعات ، خطای میانگین مطلق و ضریب تعیین نتایج بهتری ارئه می¬کند. .نتیجه¬گیری: با توجه به پیچیدگی و نوسانات زیاد بازارهای مالی و عدم قطعیت در پیش بینی این بازارها استفاده از الگوریتم های یادگیری عمیق و ترکیب آنها با هم تاثیر بسزایی در پیش بینی بازارهای مالی دارد . /downloadfilepdf/1245012