Методи інтелектуального аналізу даних для моделювання і прогнозування курсу криптовалют
Вантажиться...
Дата
2019-12
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація: 95 с., 25 табл., 22 рис., 1 додаток, 31 джерел.
Актуальність теми: в світі бурхливо зростає новий ринок криптовалют.
Проте, разом з цим, зростає і кількість трейдерів, основною задачею яких є
одержання прибутку. Таким чином, розробка та застосування систем прогно-
зування курсу криптовалюти у процесі прийняття рішення щодо здійснення
операцій купівлі продажу криптовалюти є актуальною на сьогоднішній день.
Мета даної роботи полягає у дослідженні та вдосконаленні існуючих
методик побудови прогнозуючих моделей та розробці системи підтримки
прийняття рішень для короткострокового прогнозування курсу криптовалют
з використанням моделей експоненційного згладжування та нейроннних мереж.
Об’єктом дослідження є набір статистичних даних щодо операцій купівлі та продажу криптовалюти на біржі.
Методи дослідження: моделі експоненційного згладжування, нейроннні
мережі та операції над матрицями.
Програмний продукт реалізований за допомогою мови програмування
Python 3.7 у середовищі розробки Jupyter Notebook.
Отримані результати: розроблено систему підтримки прийняття рішень
для короткострокового прогнозування курсу криптовалют з використанням
моделей експоненційного згладжування та нейронних мереж. Проведено апробацію програмного продукту на реальних даних.
Опис
Ключові слова
фінансовий ринок, криптовалюта, рекурентні нейронні мережі, прогнозування, система підтримки прийняття рішень, загальна точність моделі, трейдинг, криптовалютна біржа, financial market, crypt currency, recurrent neural networks, forecasting, decision support system, general precision of the model, trading, cryptocurrency
Бібліографічний опис
Кінда, О. О. Методи інтелектуального аналізу даних для моделювання і прогнозування курсу криптовалют : магістерська дис. : 124 Системний аналіз / Кінда Віталій Васильович. - Київ, 2019. - 94 с.