زمینه: با پیشرفت و تغییر دنیای پیرامون، کسب درآمد و داد و ستد نیز دچار دگرگونی شده است، ‌به‌نحوی که بیت‌کوین و دیگر رمزارزهای مشابه درآینده میتوانند جایگزینی برای ارزهای رایج دنیا باشد. از این رو پیش‌بینی قیمت آن نقش بسیار مهمی در سرمایه‌گذاری بر روی این رمزارزها خواهد داشت. پژوهشگران روش‌های مختلفی برای بهبود دقت پیش‌بینی قیمت بیت‌کوین پیشنهاد کرده‌اند. بررسی نتایج این رویکردها نشان می‌دهد تاکنون نتیجه چشم‌گیری در پیش‌بینی قیمت بیت‌کوین حاصل نشده است.

هدف: در این پژوهش با تکیه بر یادگیری ماشین و داده‌کاوی، مدل‌های جدیدی برای پیش‌بینی قیمت بیت‌کوین پیشنهاد شده‌است.

روش پژوهش: هسته اصلی مدل‌های پیشنهادی الگوریتم XGBoost می‌باشد که در دسته الگوریتم‌های فرایادگیری است. برای افزایش کارایی مدل تنظیم پارامترهای XGBoost درقالب یک مسئله بهینه‌سازی تعریف و مقادیر پارامترهای هدف با استفاده از الگوریتم شاهین هریس جستجو گردید. مدل پیشنهادی دوم نیز مبتنی بر الگوریتم LSTM می‌باشد که الگوریتم XGBoost با الگوریتم LSTM ترکیب می‌شود.

یافته‌ها و نتیجه‌گیری: مدل پیشنهادی اول به‌ازای 30 شاهین به بالاترین دقت پیش‌بینی با شاخص R2 به 99.32 می‌رسد. مدل پیشنهادی دوم با 70 بلوک LSTM به بالاترین میزان دقت با شاخص R2 به ۷۴.۸۶ می‌رسد. مدل پیشنهادی اول میزان دقت بیشتری در پیش‌بینی قیمت نسبت به مدل پیشنهادی دوم و سایر مدل‌ها را دارد، به‌نحوی که با شاخص RMSE نرخ خطا در مدل پیشنهادی اول به ۰.۰۰۸۶ می‌رسد.