Адаптивне управління імпульсними процесами з різнотемповою дискретизацією в когнітивних картах застосування криптовалюти
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Канцедал Г.О. Адаптивне управління імпульсними процесами з різнотемповою дискретизацією в когнітивних картах застосування криптовалюти. – Кваліфікаційна робота на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 01.05.04 «Системний аналіз і теорія оптимальних рішень» (124 – Системний аналіз). – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», 2025. У дисертаційній роботі розглянуто питання моделювання та управління нестабільним курсом криптовалюти з використанням когнітивних карт та імпульсних процесів. Дослідження проблеми волатильності криптовалют є надзвичайно актуальним для фінансових ринків, оскільки значні коливання курсу створюють ризики для інвесторів, трейдерів та фінансових установ. Відсутність централізованого регулювання та значна залежність курсу від соціально-економічних та спекулятивних факторів ускладнюють прогнозування та управління криптовалютними активами. Непередбачувані коливання можуть призводити до значних фінансових втрат, зниження довіри до цифрових активів та нестабільності ринку загалом. Для вирішення проблем породжених використанням криптовалют і аналізу майнингу, розроблені когнітивних карт для моделювання складних процесів взаємодії криптовалюти як інструменту обміну з різними явищами характерними для криптовалют та економічних ринків. Основна увага приділена створенню моделей імпульсних процесів у когнітивних картах з різнотемповою дискретизацією для управління курсом криптовалют зокрема його стабілізації. Було використано методи адаптивного управління для подолання недоліків використання криптовалют і стабілізації криптовалютних ринків. Метою дослідження є розробка математичних моделей та методів управління динамікою криптовалютного ринку з використанням когнітивних карт. Дослідження складається з п’яти розділів в яких детально проаналізовано впливу різних факторів на курс криптовалют, створено механізмів стабілізації вартості та зменшення ризиків при використанні криптовалют. Для цього проведено аналіз використання криптовалюти як складної системи, визначено основні невизначеності та ризики, що виникають у процесі її функціонування на фінансових ринках, розроблено когнітивну карту застосування криптовалют, яка моделює взаємозв’язки між ключовими економічними, соціальними та технологічними факторами; розроблено динамічні алгоритми ідентифікації вагових коефіцієнтів матриць суміжності для швидкозмінних та повільнозмінних масштабів часу, що забезпечує коректну адаптацію моделі до змінних ринкових умов; сформовано взаємопов’язані замкнені підсистеми керування з різнотемповою дискретизацією для швидкодіючої та повільнодіючої підсистем когнітивної карти, які забезпечують стабілізацію відповідних вершин на заданих рівнях; розроблено підсистеми динамічного керування для швидкодіючої підсистеми з механізмом координації вершин, що дозволяє забезпечити збалансоване управління криптовалютним ринком; проведено експериментальне дослідження побудованої імпульсної системи з різнотемповою дискретизацією, а також розроблених систем керування, підтверджено їхню ефективність у стабілізації криптовалютного курсу; виконано експериментальне дослідження алгоритмів ідентифікації швидкодіючої та повільнодіючої підсистем когнітивної карти, що продемонструвало їхню здатність до точного визначення параметрів та адаптації до змін ринкового середовища. У першому розділі проведено комплексний аналіз сучасного стану використання криптовалют у фінансових системах, а також досліджено ключові проблеми, що виникають при їхньому застосуванні. Основну увагу приділено аналізу структури та функціонування криптовалютного ринку, його основних учасників, особливостей механізмів майнінгу та факторів, що впливають на курс криптовалют. Розглянуто основні принципи функціонування криптовалют, зокрема біткоїна, як найпоширенішого цифрового активу. Досліджено базові технологічні аспекти, включаючи механізм блокчейну, алгоритми підтвердження транзакцій (Proof of Work, Proof of Stake), а також питання децентралізації та безпеки. Проаналізовано особливості емісії криптовалюти, вплив майнінгу на стабільність мережі та фактори, що визначають обчислювальну складність видобутку блоків. Виявлено основні фактори, що спричиняють коливання курсу криптовалют, серед яких макроекономічні показники, поведінка великих інвесторів, новинний фон, зміни в законодавстві, регуляторні обмеження та спекулятивні операції. Розглянуто відмінності між криптовалютним ринком та традиційними фінансовими ринками, зокрема відсутність централізованого управління, анонімність учасників та специфіку ліквідності цифрових активів. Окрему увагу приділено процесу майнингу та його вплив на фінансову систему. Розглянуто структуру винагороди за видобуток блоків, зміну рівня складності обчислень, витрати на електроенергію та їхній вплив на курс криптовалюти. Проаналізовано ризики централізації майнінгу через концентрацію обчислювальних потужностей у великих пулах, що може призвести до можливих атак, таких як атака 51%. Окрім цього, у розділі розглянуто ризики та виклики, пов’язані з використанням криптовалют. Досліджено проблеми кібербезпеки, потенційні загрози хакерських атак, фінансування незаконних операцій та шахрайства. Виявлено проблеми масштабованості блокчейну, що обмежують швидкість обробки транзакцій та створюють потребу в розвитку нових технологічних рішень, таких як Lightning Network. В кінці розділу розглянуто існуючі методи прогнозування курсу криптовалют та методи керування імпульсними процесами в когнітивних картах складних систем. Було виявлено, що традиційні економетричні та статистичні методи прогнозування мають обмежену ефективність у контексті криптовалютного ринку через його нестабільність та високу залежність від соціальних і спекулятивних факторів. Це обґрунтовує необхідність застосування нових підходів, зокрема когнітивного моделювання, методів імпульсного управління та ведення різнотемпової дискретизації. У другому розділі було розроблено когнітивну карту, яка моделює взаємозв’язки між ключовими факторами, що впливають на курс криптовалют на фінансових ринках. Дослідження розпочалося з аналізу основних параметрів, які визначають динаміку цифрових активів. Виявлено, що на формування курсу впливають як внутрішні, так і зовнішні чинники, зокрема технічні особливості блокчейну, процеси майнингу, рівень ліквідності активів, регуляторна політика та макроекономічні умови. Визначено взаємозв’язки між цими елементами та побудовано математичну модель, яка дозволяє аналізувати їхній вплив на курс криптовалют. Для забезпечення більшої точності відтворення реальних процесів у розробленій моделі було поведено декомпозицію розробленої когнітивної карти на дві з різнотемповою дискретизацією . Це означає поділити когнітивну карту на дві підсистеми: швидкозмінну, що охоплює такі явища, як коливання біржових цін, спекулятивні операції та зміни у попиті, і повільнозмінну, яка включає довгострокові процеси, такі як зміни у законодавстві, рівень довіри інвесторів та макроекономічні тенденції. Такий підхід дозволив точніше описати поведінку фінансової системи та виділити критичні фактори, які впливають на стабільність курсу. Для розроблених систем запропоновано методи придушення зовнішніх і внутрішніх обмежених збурень у підсистемах когнітивної карти. Запропоновано метод інваріантних еліпсоїдів, а саме мінімізація сліду матриці еліпсоїда в якості критерію оптимальності для управління процесами на основі різнотемпової дискретизації. Окремо в розділі розглянуто побудову когнітивної карти процесів майнингу, яка враховує зміну кількості майнерів, обчислювальну складність мережі, курс криптовалют та енергетичні витрати. У третьому розділі розроблено координувальну систему керування співвідношеннями координат у когнітивній карті криптовалютного ринку та розроблено методи ідентифікації матриць суміжності в моделі імпульсного процесу з різнотемповою дискретизацією. Для вирішення проблеми збереження оптимального співвідношення ключових економічних параметрів, характерних торгівлі цінними активами на біржі, було розроблено систему координувального управління, яка дозволяє підтримувати стабільність системи шляхом варіювання координатами вершин когнітивної карти та зберігати взаємозв’язки між її ключовими параметрами. В якості критерію оптимальності було обрано мінімізацію узагальненої дисперсії нев’язки між вектором задаючих дій, управління та власне стану системи. Для забезпечення адаптивності отриманої системи було окремо розроблено методи ідентифікації матриць суміжності, що визначають зв’язки між вершинами когнітивної карти. Запропоновано алгоритм, який дозволяє оновлювати вагові коефіцієнти зв’язків у відповідь на зміни в ринковому середовищі. Окремо розглянуто ідентифікацію вагових коефіцієнтів для підсистем із швидкозмінними та повільнозмінними координатами. В процесі роботи над методом ідентифікації було запропоновано модифікацію стандартного методу РМНК, та РМНК з експоненційним забуванням для додаткового придушення впливу шуму. Емпіричним чином було виявлено обмеження використаних методів ідентифікації підсистем когнітивної карти. В четвертому розділі представлено практичні перевірки теоретичних концепцій, розроблених у попередніх розділах. Зокрема представлено результати моделювання імпульсних процесів у когнітивній карті майнингу та когнітивній карті використання криптовалют на фінансових ринках. Було промодельовано ефективність запропонованих методів стабілізації курсу криптовалют на основі методу інваріантних еліпсоїдів та з координацією співвідношенням окремих вершин КК. Проведено серію експериментальних досліджень для перевірки запропонованих алгоритмів ідентифікації вагових коефіцієнтів матриць суміжності когнітивної карти використання криптовалют на фінансових ринках. Результати дослідження мають значну практичну цінність для аналізу та управління ринком криптовалют. Розроблені математичні моделі когнітивних карт дозволяють оцінювати вплив різних економічних, технологічних та спекулятивних факторів на курс криптовалют, що може бути використано для прогнозування їхньої вартості та стабілізації ринку. Розроблені алгоритми ідентифікації матриць суміжності забезпечують адаптивне оновлення моделі у режимі реального часу, що дає змогу оперативно реагувати на зміни ринкової ситуації та враховувати вплив зовнішніх факторів, таких як регуляторні рішення, макроекономічні тенденції та соціальні настрої. Запропоновані методи можуть бути використані у фінансових установах, криптовалютних біржах, блокчейн-проєктах та системах управління ризиками. Вони дозволяють підвищити ефективність торгових стратегій, забезпечити стабільність цифрових активів та сприяти інтеграції криптовалют у традиційні фінансові системи. Також отримані результати можуть бути використання для створення нових криптовалют з механізмами вбудованого керування і покращеною (більш стабільною) природою. Модифіковані алгоритми ідентифікації вагових коефіцієнтів когнітивних карт можуть бути використані у фінансовому прогнозуванні, торгових ботах та автоматизованих системах управління активами. Окрім цього, результати дослідження використовуються у навчальному процесі та можуть бути корисними для спеціалістів у сфері фінансів, блокчейн технологій та автоматизованого управління.
Опис
Ключові слова
Адаптивні системи, біткоїн, блокчейн, імпульсні процеси, інваріантний еліпсоїд, ідентифікація, координувальне управління, когнітивна карта, криптовалюта, майнинг, математичне моделювання, різнотемпова дискретизація, стабілізація, фінансові ринки, Adaptive systems, bitcoin, blockchain, impulse processes, invariant ellipsoid, identification, coordination control, cognitive map, cryptocurrency, mining, mathematical modeling, multi-rate discretization, stabilization, financial markets
Бібліографічний опис
Канцедал, Г. О. Адаптивне управління імпульсними процесами з різнотемповою дискретизацією в когнітивних картах застосування криптовалюти : дис. … д-ра філософії : 124 Системний аналіз / Канцедал Георгій Олегович. – Київ, 2025. – 143 с.