Порівняльний аналіз ефективності нейронних мереж та ансамблевих методів у прогнозуванні цін криптовалют
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
У статті проведено порівняльний аналіз ефективності різних методів машинного навчання для прогнозування цін криптовалют. Дослідження охоплює шість популярних криптовалют: Bitcoin, Ethereum, Binance Coin, Cardano, Ripple та Litecoin. Для прогнозування використано рекурентні нейронні мережі (RNN, LSTM) та ансамблеві методи (XGBoost, Random Forest). Дані були зібрані за період з 1 січня 2021 року по 17 лютого 2025 року, а для оцінки точності моделей застосовано метрики RMSE, MAE та MAPE. Результати показали, що LSTM демонструє найкращу точність для Bitcoin та Binance Coin, тоді як ансамблеві методи (XGBoost та Random Forest) виявилися ефективнішими для Ethereum та Litecoin. Для Cardano та Ripple найкращі результати показала модель RNN. Дослідження підтвердило, що вибір моделі для прогнозування цін криптовалют має враховувати специфіку кожного активу, зокрема його волатильність та історичну динаміку. Стаття пропонує рекомендації щодо вибору оптимальних методів для прогнозування цін криптовалют, що може бути корисним для інвесторів та учасників ринку цифрових активів.
Опис
Ключові слова
криптовалюти, прогнозування цін, машинне навчання, нейронні мережі, ансамблеві методи, LSTM, RNN, XGBoost, Random Forest, cryptocurrencies, price prediction, machine learning, neural networks, ensemble methods
Бібліографічний опис
Клебан, Ю. В. Порівняльний аналіз ефективності нейронних мереж та ансамблевих методів у прогнозуванні цін криптовалют / Клебан Ю. В., Конощук Є. А. // Економічний вісник НТУУ «КПІ» : збірник наукових праць. – 2025. – № 32. – C. 155-160. – Бібліогр.: 13 назв.