Inganta Tsarin LSTM Don Hasashen Farashin Canjin Kuɗi na EUR/USD Tare da Nazarin Ingantaccen Amfani da Makamashi

Teburin Abubuwan Ciki

1. Gabatarwa

Kasuwannin Musayar Kuɗi na Waje (Forex), tare da yawan ciniki na yau da kullun wanda ya wuce dala tiriliyan 5, suna wakiltar babbar kasuwar kuɗi a duniya. Daidaitaccen hasashen farashin musayar kuɗi, musamman ga manyan nau'ikan kamar EUR/USD, yana da mahimmanci ga sarrafa haɗari da haɓaka riba. Wannan binciken yana binciken aikace-aikacen hanyoyin sadarwar jijiyoyi na Dogon Ƙwaƙwalwar Ƙwaƙwalwa (LSTM) don wannan aikin, tare da mai da hankali biyu: daidaiton hasashe da ingantaccen amfani da makamashi na kwamfuta. Binciken yana kimanta aikin tsarin ta amfani da ma'auni na yau da kullun—Kuskuren Matsakaicin Murabba'i (MSE), Kuskuren Matsakaicin Cikakke (MAE), da R-squared—yayin da kuma yana la'akari da tasirin muhalli na tura irin waɗannan tsare-tsare masu tsada na kwamfuta.

2. Bita na Adabi

Samfurin hasashe a Forex ya samo asali daga tsoffin hanyoyin nazari na fasaha da na asali zuwa ingantattun dabarun koyon inji. Hanyoyin farko sun dogara da samfuran lokaci-lokaci na ƙididdiga kamar ARIMA. Zuwan koyon inji ya gabatar da hanyoyi kamar Injiniyoyin Tallafi Vector (SVMs) da Hanyoyin Sadarwar Jijiyoyi na Wucin Gadi (ANNs). Kwanan nan, gine-ginen koyo mai zurfi, musamman Hanyoyin Sadarwar Jijiyoyi na Maimaitawa (RNNs) da bambancinsu na LSTM, sun sami shahara saboda ikonsu na ɗaukar dogon lokaci na dogaro a cikin jerin bayanan kuɗi. Duk da haka, adabin sau da yawa yakan yi watsi da babban farashi na kwamfuta da amfani da makamashi da ke tattare da horarwa da gudanar da waɗannan tsare-tsare masu rikitarwa, wani gibi wannan binciken ke nufin magancewa.

3. Hanyar Bincike

3.1 Shirye-shiryen Bayanai

An tattara bayanan tarihin farashin musayar EUR/USD kuma an sake sarrafa su. An yi amfani da matakan shirye-shiryen bayanan kuɗi na yau da kullun, gami da sarrafa ƙimar da ba a taɓa gani ba, daidaitawa don sifa sifa tsakanin 0 da 1 ta amfani da ma'aunin Min-Max, da ƙirƙirar tagogin lokaci masu dacewa don shigarwar LSTM.

3.2 Tsarin Tsarin LSTM

Za a iya bayyana ainihin tantanin LSTM ta hanyar waɗannan ƙofofi da daidaitattun jihohin tantanin halitta:

• Ƙofar Manta: $f_t = \sigma(W_f \cdot [h_{t-1}, x_t] + b_f)$
• Ƙofar Shigarwa: $i_t = \sigma(W_i \cdot [h_{t-1}, x_t] + b_i)$
  $\tilde{C}_t = \tanh(W_C \cdot [h_{t-1}, x_t] + b_C)$
• Sabunta Jihar Tantani: $C_t = f_t * C_{t-1} + i_t * \tilde{C}_t$
• Ƙofar Fitowa: $o_t = \sigma(W_o \cdot [h_{t-1}, x_t] + b_o)$
  $h_t = o_t * \tanh(C_t)$

Inda $\sigma$ shine aikin sigmoid, $*$ yana nuna ninka abubuwa da abubuwa, $W$ sune matrices nauyi, $b$ sune vectors bias, $x_t$ shine shigarwa, $h_t$ shine yanayin ɓoye, kuma $C_t$ shine yanayin tantanin halitta.

3.3 Ma'auni na Kimantawa

An tantance aikin samfurin ta hanyar ƙididdiga ta amfani da:

• Kuskuren Matsakaicin Murabba'i (MSE): $MSE = \frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y}_i)^2$
• Kuskuren Matsakaicin Cikakke (MAE): $MAE = \frac{1}{n}\sum_{i=1}^{n}|y_i - \hat{y}_i|$
• R-squared ($R^2$): $R^2 = 1 - \frac{\sum_{i}(y_i - \hat{y}_i)^2}{\sum_{i}(y_i - \bar{y})^2}$

An ƙiyasta amfani da makamashi bisa lokacin horo da ƙayyadaddun kayan aikin (misali, amfani da GPU).

4. Sakamakon Gwaji

4.1 Nazarin Ma'auni na Aiki

Tsarin LSTM da aka haɓaka ya nuna ingantaccen ikon hasashe don motsin EUR/USD. Daga cikin daidaitattun da aka gwada, samfurin da aka horar na tsawon lokaci 90 ya haifar da mafi kyawun sakamako. Nazarin kwatancen ya nuna mafi girman aikin samfurin LSTM akan samfuran hasashe na tushe (misali, RNN mai sauƙi, ARIMA), kamar yadda ƙananan ƙimar MSE da MAE da ƙimar R-squared da ke kusa da 1 suka tabbatar, suna nuna mafi kyawun dacewa da bayanan.

4.2 Nazarin Amfani da Makamashi

Binciken ya nuna alaƙar da ba ta layi ba tsakanin rikitarwar samfurin (lokaci, yadudduka) da amfani da makamashi. Samfurin lokaci 90 ya wakilci "mafi kyawun wuri," yana cimma ingantaccen daidaito ba tare da babban farashin makamashi da ke tattare da dogon horo ba. Wannan yana jaddada mahimmancin ingantaccen hyperparameter ba kawai don daidaito ba, amma don inganci.

5. Tattaunawa

Sakamakon ya tabbatar da ingancin LSTM don hasashen Forex. Haɗa amfani da makamashi a matsayin ma'auni mai mahimmanci na kimantawa shine gudummawar tunani na gaba. Yana daidaita ƙirƙirar fasahar kuɗi (FinTech) tare da ƙarfin gaggawa na ci gaba da kwamfuta mai dorewa, wanda bincike daga cibiyoyi kamar Lawrence Berkeley National Laboratory akan amfani da makamashi na cibiyar bayanai ya haskaka.

6. Ƙarshe & Ayyukan Gaba

Wannan binciken ya sami nasarar haɓaka samfurin LSTM don hasashen EUR/USD wanda ke daidaita daidaiton hasashe da ingancin kwamfuta. Yana ba da tsari don kimanta samfuran AI a cikin kuɗi ta hanyar kallon biyu na aiki da dorewa. Ayyukan gaba na iya bincika ƙarin ci-gaba, gine-gine masu inganci da gaske kamar samfuran Transformer ko hanyoyin haɗin gwiwa, da kuma amfani da ƙarin bayanan makamashi na matakin kayan aiki.

7. Nazari na Asali & Sharhin Kwararru

Fahimtar Asali: Ƙimar gaske ta wannan takarda ba wai kawai wani nunin LSTM-don-Forex ba ne; ƙoƙari ne na farko amma mai mahimmanci na shigar da dorewar kwamfuta cikin kuɗin ƙididdiga. Yayin da yawancin binciken FinTech ke bin ƙarin riba na daidaito tare da manyan samfura, Echrignui da Hamiche suna yin tambayar da ta dace: a farashin makamashi nawa? Mayar da hankalinsu kan gano "mafi kyawun wuri na lokaci 90" mataki ne na farko mai ma'ana zuwa ga kore AI a cikin yankuna masu yawan mita.

Kwararar Hankali & Ƙarfuka: Hanyar bincike tana da inganci kuma za a iya maimaita ta. Yin amfani da ma'auni na yau da kullun (MSE, MAE, R²) ya kafa aikin a cikin ingantaccen aiki. Haɗin kai tsakanin ingantaccen samfurin (zaɓin lokaci) da rage makamashi shine ƙarfin takarda. Yana maimaita babban canji da ake gani a hangen nesa na kwamfuta, inda ayyuka kamar takardar asali na CycleGAN (Zhu et al., 2017) suka ba da fifiko ga sabon tsari akan inganci, amma bincike na gaba ya mai da hankali sosai kan inganta nauyin kwamfuta. Wannan takarda ta gano daidai cewa a cikin kasuwa 24/5 kamar Forex, sawun carbon na aiki na ci gaba da gudanar da samfuran hasashe ba ƙaramin abu bane.

Kurakurai & Gibe Masu Muhimmanci: Nazarin yana a saman. Bayyana cewa samfurin tare da lokaci 90 yana da inganci ba shi da ma'ana ba tare da tushe ba. Ina kwatancen amfani da makamashi na samfurin lokaci 200 da ribar daidaitonsa? Ma'aunin makamashi ya bayyana an ƙiyasta shi, ba a auna shi ta hanyar kayan aiki kamar CodeCarbon ko masu sa ido kan wutar lantarki ba—rauni mai mahimmanci na hanyar bincike. Bugu da ƙari, cikakkun bayanai game da tsarin samfurin ba su da yawa. Shin hanyar sadarwar GRU mai sauƙi za ta sami irin wannan daidaito tare da ƙananan jinkiri da amfani da makamashi? Bita na adabi, duk da cewa ya isa, ya rasa muhimman tattaunawa na zamani akan ingantattun Masu Canji (misali, Linformers) waɗanda za su iya zama mafi dacewa ga wasu jerin kuɗi.

Fahimta Mai Aiki: Ga masu aiki, abin da za a ɗauka shine tilasta yin bayanin makamashi a cikin tsarin haɓaka samfurin ku. Kar ku bi diyya asarar tabbaci kawai; ku bi joules kowace hasashe. Bincika dabarun matsawa samfura (datsa, ƙididdigewa) daidaitattun a cikin AI na wayar hannu amma ana amfani da su ƙasa da ƙasa a cikin kuɗi. Gaba ba kawai ingantattun samfura ba ne; ingantattun samfura ne, masu bayyanawa, da inganci. Matsin lamba na tsari akan abubuwan ESG (Muhalli, Zamantakewa, da Gudanarwa) nan ba da daɗewa ba za su ƙara zuwa algorithms masu ƙarfafa kamfanonin saka hannun jari. Wannan takarda, duk da iyakokinta, tana nuna kamfas a cikin madaidaicin shiri—zuwa ga makoma inda AI na kuɗi ba kawai ake auna shi a cikin maki tushen alpha ba har ma da gram na CO₂ daidai da aka ajiye.