加密数字货币竞争力评价模型的探索与研究

发布时间：2021-10-10 00:49

　　加密数字货币近年来发展迅速,目前加密数字货币种类多样,质量层次不齐,对用户进行合理投资和监管机构有效监管带来了严峻挑战。构建加密数字货币竞争力评价模型将有助于用户进行高效投资,监管机构进行针对性监管,对维护国家安全和金融市场秩序有着重要意义。目前国内对加密数字货币竞争力水平的研究较少,相关资料并不足以合理评价加密数字货币的价值和潜力,同时由于加密数字货币和传统的货币差异很大,出现时间短,可收集的加密数字货币评价指标十分有限。本文构建一套不受加密数字货币特征差异性影响且易于收集数据的评价指标体,在此基础上使用因子分析法和传统机器学习方法、社交媒体大数据方法构建了多种竞争力评价模型并对26种加密数字货币进行了竞争力评级预测。因子分析法由于缺少监督学习的数据,效果相比于传统机器学习法较差,而在传统机器学习方法中,支持向量机模型和神经网络模型效果最为出色。结合Twitter社交媒体大数据相的神经网络模型相比于传统机器学习模型准确率有所提高。最后,本文探讨了基于神经网络和社交媒体大数据的多种结合方式,最终实现了在26种加密数字货币上76.9%的竞争力预测准确率。实验结果表明本文所提出的实验模型能... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 导论
    1.1 研究目的与意义
    1.2 研究思路和方法
    1.3 可能的创新点
2 加密数字货币的发展背景以及研究综述
    2.1 加密数字货币发展简介
    2.2 区块链技术发展简介
    2.3 区块链的研究综述
3 加密数字货币竞争力指数概念与评价指标
    3.1 加密数字货币竞争力定义
    3.2 评价指标的选取原则
    3.3 加密数字货币评价指标选取
    3.4 研究数据
4 基于因子分析的加密数字货币竞争力指数构造
    4.1 因子分析的原理
    4.2 因子分析法步骤
    4.3 基于SPSS的因子分析
        4.3.1 数据标准化处理
        4.3.2 因子统计检验
        4.3.3 因子分析
        4.3.4 因子载荷矩阵计算
        4.3.5 综合得分计算
    4.4 基于K-means聚类分析的加密数字货币竞争力评价
5 基于神经网络的加密数字货币竞争力分析和预测
    5.1 神经网络原理
    5.2 神经网络训练步骤
    5.3 神经网络结构
    5.4 对比分析
        5.4.1 朴素贝叶斯方法
        5.4.2 随机森林法
        5.4.3 SVM分类模型
        5.4.4 神经网络分类模型
    5.5 模型评价与总结
6 基于社交媒体大数据的加密数字货币竞争力分析
    6.1 情感分析
    6.2 基于社交媒体大数据的模型结构
    6.3 模型原理
    6.4 K-means聚类评价结果与分析
    6.5 神经网络评价结果与分析
7 大数据和机器学习结合的竞争力评价新模型
    7.1 线性组合
    7.2 非线性组合
    7.3 组合模型对比
8 结论与展望
    8.1 区块链发展趋势
    8.2 总结与展望
致谢
参考文献



本文编号：3427318