Прогнозування факту лістингу нових криптовалют на біржі Binance із використанням моделі логістичної регресії

Скорочена інформація про документ
dc.contributor.advisorТерентьєв, Олександр Миколайович
dc.contributor.authorЗалізняк, Ілля Сергійович
dc.date.accessioned2025-08-21T14:10:24Z
dc.date.available2025-08-21T14:10:24Z
dc.date.issued2025
dc.description.abstractДипломна робота: 138 с., 24 табл., 25 рис., 5 додатків, 36 джерела. Об’єкт дослідження – дані про криптоактиви: технічні характеристики, обсяг торгів та ціни. Предмет дослідження – математичні методи бінарної класифікації для прогнозування ймовірностей із використанням мови прогнозування Python. Мета роботи – виявити ключові фактори, що визначають рішення Binance щодо лістингу, та розробити аналітичну модель логістичної регресії, яка за сукупністю цих факторів прогнозує факт лістингу. Актуальність. Криптовалюти стають все більш популярними у всьому світі. Кількість нових криптоактивів зростає кожного дня з великою швидкістю. Розуміння того, які проекти мають потенціал дозволяє сформувати прибуткові стратегії торгівлі на крипторинку. Результати роботи. Створено програмний інструмент який демонструє роботу побудованих моделей логістичної регресії, що прогнозують лістинг криптовалюти на біржу Binance. Програмний продукт був реалізований із використанням мови програмування Python у середовищі розробки Visual Studio Code. Для побудови моделей було використано Jupyter Notebook. Шляхи подальшого розвитку предмету дослідження. Підвищення точності прогнозування за рахунок використання більш складних моделей, таких як ансамблеві моделі або нейронні мережі. Збільшення кейсів у наборах даних для навчання. Прогнозування лістингу на інших біржах. Розширення показників у наборі даних.
dc.description.abstractotherBachelor's thesis: 138 pp., 24 tables, 25 figures, 5 appendices, 36 references. Object of the study. Data on crypto-assets: their technical characteristics, trading volumes, and prices. Subject of the study. Binary-classification methods for probability forecasting implemented in the Python programming language. Purpose of the work – to identify the key factors that influence Binance’s listing decisions and to develop a logistic-regression model that predicts the fact of listing based on those factors. Relevance. Cryptocurrency is growing in popularity worldwide, and the number of new crypto-assets is increasing rapidly every day. Understanding which projects are most likely to be listed enables traders and investors to build profitable strategies in the crypto market. Results. A software tool was created that showcases logistic-regression models able to forecast whether a cryptocurrency will be listed on Binance. The product was developed in Python within the PyCharm environment, while Jupyter Notebook was used for model building and experimentation. Directions for further research. Improving prediction accuracy through more sophisticated models such as ensemble methods or neural networks; increasing the number of cases in the training dataset; forecasting listings on other exchanges; expanding the range of indicators in the dataset.
dc.format.extent138 с.
dc.identifier.citationЗалізняк, І. С. Прогнозування факту лістингу нових криптовалют на біржі Binance із використанням моделі логістичної регресії : дипломна робота … бакалавра : 122 Комп'ютерні науки / Залізняк Ілля Сергійович. – Київ, 2025. – 138 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75588
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectbinance
dc.subjectкриптовалюта
dc.subjectлістинг
dc.subjectлогістична регресія
dc.subjectпрогнозування.
dc.titleПрогнозування факту лістингу нових криптовалют на біржі Binance із використанням моделі логістичної регресії
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zalizniak_bakalavr.pdf
Розмір:
6.37 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи