Дослідження ефективності алгоритмів машинного навчання для задачі управління активами на ринку криптовалют з урахуванням оцінки довіри користувачів до криптовалюти

Скорочена інформація про документ
dc.contributor.advisorКанцедал, Георгій Олегович
dc.contributor.authorКротенко, Нікіта Сергійович
dc.date.accessioned2023-10-12T09:19:16Z
dc.date.available2023-10-12T09:19:16Z
dc.date.issued2023
dc.description.abstractДипломна робота: 177с., 37 рис., 16 табл., 2 додатки, 23 джерела. Для проведення цього дослідження було розроблено базу даних і Python додаток для завантаження щохвилинних свічкових даних з криптовалютної біржі, а потім розміщено на віддаленому сервері. Потім дані були оброблені та на них було визначено ключові точки, де рекомендувалося закривати короткі і відкривати довгі позиції (локальні мінімуми) або закривати довгі і відкривати короткі позиції (локальні максимуми). Для прогнозування та прийняття рішень було розроблено три моделі нейронних мереж: довготривала короткочасна пам’ять (LSTM), одновимірна згорткова нейронна мережа (1D-CNN) і модель ансамблю, що поєднує LSTM і 1D-CNN. Щоб забезпечити надійну оцінку продуктивності, було реалізовано методологію перехресної перевірки з розбиттям часового ряду на тренувальні і тестові вибірки. Крім того, було проведено автоматичний пошук гіперпараметрів для оптимізації конфігурації моделей. Дослідження також передбачало розробку цільового стовпця та користувацьких показників, адаптованих до конкретного завдання управління активами на ринку криптовалют. Ці показники були розроблені для оцінки ефективності моделей з точки зору прибутковості та управління ризиками. Результати цього дослідження показують ефективність алгоритмів машинного навчання для управління активами на ринку криптовалют, враховуючи рейтинги довіри користувачів до криптовалют.uk
dc.description.abstractotherBachelor thesis: 177 p., 37 fig., 16 tabl., 2 append., 23 sources. To conduct this research, a database and Python application to load per- minute candlestick data were developed and then hosted on a remote server, to collect data from cryptocurrency exchange. The data was then processed, and key points were identified where it was recommended to close short and open long positions (local minima) or close long and open short positions (local maxima). Three neural network models were developed for prediction and decision- making: Long Short-Term Memory (LSTM), a one-dimensional Convolutional Neural Network (1D-CNN), and an ensemble model combining both LSTM and 1D- CNN. A time-series train-test split and cross-validation methodology were implemented to ensure reliable performance assessment. An automatic hyperparameter search was also conducted to optimize the models' configuration. The research also involved the development of a target column and custom metrics tailored to the specific task of asset management in the cryptocurrency market. These metrics were designed to evaluate the performance of the models in terms of profitability and risk management. This research provides insights into the effectiveness of machine learning algorithms for asset management in the cryptocurrency market, considering users' trust ratings towards cryptocurrencies.uk
dc.format.extent177 с.uk
dc.identifier.citationКротенко, Н. С. Дослідження ефективності алгоритмів машинного навчання для задачі управління активами на ринку криптовалют з урахуванням оцінки довіри користувачів до криптовалюти : дипломна робота ... бакалавра : 124 Системний аналіз / Кротенко Нікіта Сергійович. – Київ, 2023. – 177 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/61291
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectглибоке навчанняuk
dc.subjectнейронна мережаuk
dc.subjectансамбльuk
dc.subjectпрогнозування часового рядуuk
dc.subjectпопередня обробка данихuk
dc.subjectперехресна перевіркаuk
dc.subjectпідбір гіперпараметрівuk
dc.subjectкриптовалютиuk
dc.subjectуправління ризикамиuk
dc.subjectуправління активамиuk
dc.subjectmachine learninguk
dc.subjectdeep learninguk
dc.subjectneural networksuk
dc.subjectlstmuk
dc.subject1d-cnnuk
dc.subjectensembleuk
dc.subjecttime-series predictionuk
dc.subjectdata preprocessinguk
dc.subjectcross-validationuk
dc.subjecthyperparameter tuninguk
dc.subjectcryptocurrenciesuk
dc.subjectbinanceuk
dc.subjectrisk managementuk
dc.subjectasset managementuk
dc.titleДослідження ефективності алгоритмів машинного навчання для задачі управління активами на ринку криптовалют з урахуванням оцінки довіри користувачів до криптовалютиuk
dc.typeBachelor Thesisuk

Файли

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

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи