Прогнозування криптовалют на основі історичних даних та даних соціальних медіа на основі глибокого навчання

Скорочена інформація про документ
dc.contributor.advisorДанилов, Валерій Якович
dc.contributor.authorОлійник, Богдан Олександрович
dc.date.accessioned2024-02-28T13:29:03Z
dc.date.available2024-02-28T13:29:03Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 105 с., 32 рис., 19 табл., 19 посилань. Об’єктом дослідження є криптовалютна біржа з 2014 по кінець 2023 року, саме ціна на біткоїн за цей період. Також досліджуються твіти з Твіттеру за період з 2018 по кінець 2023 року. Предметом дослідження є прогнозування ціни на біткоїн за допомогою штучного інтелекту. При цьому цей процес буде складатися з аналізу тональності новин, історичної ціни та об’єму біткоїну. Мета роботи – дослідити існуючі підходи для прогнозування фінансових ринків, семантичного аналізу новин. Вибрати найкращі підходи та створити на їх базі власну систему з комплексним підходом для прогнозування криптовалюти. Виконано дослідження існуючих підходів для прогнозування часових рядів, з них найкращим стала рекурентна нейронна мережа – LSTM. Досліджені підходи в сфері NLP для аналізу тональності новин. В результаті виконання роботи розроблена система для прогнозування ціни біткоїну. Система складається з трьох підсистем: підсистема збору даних, семантичного аналізу твітів, прогнозування ціни на біткоїн. Результати роботи прийнято до опублікування у періодичному виданні, яке індексуєтсья у наукометричній базі Scopus.
dc.description.abstractotherMaster's thesis: 105 pp., 32 figs., 19 tables, 19 bibl. ref. The research object is a cryptocurrency exchange from 2014 to the end of 2023, specifically the price of Bitcoin during this period. Tweets from Twitter for the period from 2018 to the end of 2023 are also studied. The subject of the research is the prediction of Bitcoin price using artificial intelligence. This process will consist of analyzing the tone of news, historical price, and volume of Bitcoin. The aim of the work is to investigate existing approaches to forecasting financial markets, semantic analysis of news. Select the best approaches and create a system based on them with a comprehensive approach to predicting cryptocurrency. Research on existing approaches for forecasting time series has been conducted, with the best being the recurrent neural network – LSTM. Approaches in the field of NLP for analyzing the tone of news have been studied. As a result of the work, a system for predicting the price of Bitcoin has been developed. The system consists of three subsystems: data collection, semantic analysis of tweets, and predicting the price of Bitcoin. The results of the work have been accepted for publication in a periodic publication indexed in the scientometric database Scopus.
dc.format.extent105 с.
dc.identifier.citationОлійник, Б. О. Прогнозування криптовалют на основі історичних даних та даних соціальних медіа на основі глибокого навчання : магістерська дис. : 122 Комп'ютерні науки / Олійник Богдан Олександрович. - Київ, 2024. - 105 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/65065
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкриптовалютна біржа
dc.subjectсемантичний аналіз
dc.subjectнейронні мережі
dc.subjectобробка природної мови
dc.subjectчасові ряди
dc.subjectпрогнозування
dc.subjectфінансові цикли
dc.subjectфрактальна розмірність
dc.subjectcryptocurrency exchange
dc.subjectsemantic analysis
dc.subjectneural networks
dc.subjectnatural language processing
dc.subjecttime series
dc.subjectforecasting
dc.subjectfinancial cycles
dc.subjectfractal dimensionality
dc.subjectLSTM
dc.subjectNLTK
dc.subjectNLP
dc.subjectBTC
dc.subject.udc004.89: 004:336.748
dc.titleПрогнозування криптовалют на основі історичних даних та даних соціальних медіа на основі глибокого навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Oliinyk_magistr.pdf
Розмір:
3.34 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

Магістерські роботи (ШІ)
Магістерські роботи