加密數(shù)字貨幣近年來發(fā)展迅速,目前加密數(shù)字貨幣種類多樣,質(zhì)量層次不齊,對用戶進(jìn)行合理投資和監(jiān)管機(jī)構(gòu)有效監(jiān)管帶來了嚴(yán)峻挑戰(zhàn)。構(gòu)建加密數(shù)字貨幣競爭力評價模型將有助于用戶進(jìn)行高效投資,監(jiān)管機(jī)構(gòu)進(jìn)行針對性監(jiān)管,對維護(hù)國家安全和金融市場秩序有著重要意義。目前國內(nèi)對加密數(shù)字貨幣競爭力水平的研究較少,相關(guān)資料并不足以合理評價加密數(shù)字貨幣的價值和潛力,同時由于加密數(shù)字貨幣和傳統(tǒng)的貨幣差異很大,出現(xiàn)時間短,可收集的加密數(shù)字貨幣評價指標(biāo)十分有限。本文構(gòu)建一套不受加密數(shù)字貨幣特征差異性影響且易于收集數(shù)據(jù)的評價指標(biāo)體,在此基礎(chǔ)上使用因子分析法和傳統(tǒng)機(jī)器學(xué)習(xí)方法、社交媒體大數(shù)據(jù)方法構(gòu)建了多種競爭力評價模型并對26種加密數(shù)字貨幣進(jìn)行了競爭力評級預(yù)測。因子分析法由于缺少監(jiān)督學(xué)習(xí)的數(shù)據(jù),效果相比于傳統(tǒng)機(jī)器學(xué)習(xí)法較差,而在傳統(tǒng)機(jī)器學(xué)習(xí)方法中,支持向量機(jī)模型和神經(jīng)網(wǎng)絡(luò)模型效果最為出色。結(jié)合Twitter社交媒體大數(shù)據(jù)相的神經(jīng)網(wǎng)絡(luò)模型相比于傳統(tǒng)機(jī)器學(xué)習(xí)模型準(zhǔn)確率有所提高。最后,本文探討了基于神經(jīng)網(wǎng)絡(luò)和社交媒體大數(shù)據(jù)的多種結(jié)合方式,最終實(shí)現(xiàn)了在26種加密數(shù)字貨幣上76.9%的競爭力預(yù)測準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明本文所提出的實(shí)驗(yàn)?zāi)Ｐ湍?.. 

【文章來源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 導(dǎo)論
    1.1 研究目的與意義
    1.2 研究思路和方法
    1.3 可能的創(chuàng)新點(diǎn)
2 加密數(shù)字貨幣的發(fā)展背景以及研究綜述
    2.1 加密數(shù)字貨幣發(fā)展簡介
    2.2 區(qū)塊鏈技術(shù)發(fā)展簡介
    2.3 區(qū)塊鏈的研究綜述
3 加密數(shù)字貨幣競爭力指數(shù)概念與評價指標(biāo)
    3.1 加密數(shù)字貨幣競爭力定義
    3.2 評價指標(biāo)的選取原則
    3.3 加密數(shù)字貨幣評價指標(biāo)選取
    3.4 研究數(shù)據(jù)
4 基于因子分析的加密數(shù)字貨幣競爭力指數(shù)構(gòu)造
    4.1 因子分析的原理
    4.2 因子分析法步驟
    4.3 基于SPSS的因子分析
        4.3.1 數(shù)據(jù)標(biāo)準(zhǔn)化處理
        4.3.2 因子統(tǒng)計(jì)檢驗(yàn)
        4.3.3 因子分析
        4.3.4 因子載荷矩陣計(jì)算
        4.3.5 綜合得分計(jì)算
    4.4 基于K-means聚類分析的加密數(shù)字貨幣競爭力評價
5 基于神經(jīng)網(wǎng)絡(luò)的加密數(shù)字貨幣競爭力分析和預(yù)測
    5.1 神經(jīng)網(wǎng)絡(luò)原理
    5.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練步驟
    5.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    5.4 對比分析
        5.4.1 樸素貝葉斯方法
        5.4.2 隨機(jī)森林法
        5.4.3 SVM分類模型
        5.4.4 神經(jīng)網(wǎng)絡(luò)分類模型
    5.5 模型評價與總結(jié)
6 基于社交媒體大數(shù)據(jù)的加密數(shù)字貨幣競爭力分析
    6.1 情感分析
    6.2 基于社交媒體大數(shù)據(jù)的模型結(jié)構(gòu)
    6.3 模型原理
    6.4 K-means聚類評價結(jié)果與分析
    6.5 神經(jīng)網(wǎng)絡(luò)評價結(jié)果與分析
7 大數(shù)據(jù)和機(jī)器學(xué)習(xí)結(jié)合的競爭力評價新模型
    7.1 線性組合
    7.2 非線性組合
    7.3 組合模型對比
8 結(jié)論與展望
    8.1 區(qū)塊鏈發(fā)展趨勢
    8.2 總結(jié)與展望
致謝
參考文獻(xiàn)



本文編號：3427318