Розробка інвестиційної стратегії та системи сигналів торгівельних угод з використанням методів машинного навчання та індикаторів технічного аналізу

Скорочена інформація про документ
dc.contributor.advisorСоболь, Ольга Олександрівна
dc.contributor.authorГонтар, Віктор Миколайович
dc.date.accessioned2024-09-23T10:00:19Z
dc.date.available2024-09-23T10:00:19Z
dc.date.issued2024
dc.description.abstractДипломна робота: 141 с., 52 Рисунок, 2 дод, 18 джерел. Метою даної роботи є розробка інвестиційної стратегії та системи сигналів торгівельних угод з використанням методів машинного навчання та індикаторів технічного аналізу. Для розв’язання поставленої задачі використовуються моделі лінійної регресії, K–ближчих сусідів, метод опорних векторів, випадковий ліс та XGBoost. Об’єктом дослідження є часові ряди цін криптовалют на прикладі кількох популярних криптовалютних пар, таких як ETHUSDT, BTCUSDT, LTCUSDT та інші. Предметом дослідження є застосування методів машинного навчання та індикаторів технічного аналізу для прогнозування цін закриття криптовалют. Актуальність дослідження зумовлена необхідністю точного прогнозування цін криптовалют для прийняття ефективних інвестиційних рішень в умовах високої волатильності ринку. Результатом цієї роботи є порівняння продуктивності різних моделей машинного навчання для прогнозування цін закриття криптовалют та вибір оптимальної моделі, яка з найвищою точністю здатна прогнозувати ціни. Для подальших досліджень доцільно використовувати додаткові технічні індикатори, збільшити обсяг даних для навчання моделей, а також розглядати більш складні методи машинного навчання, такі як рекурентні нейронні мережі та глибинні нейронні мережі.
dc.description.abstractotherDiploma work: 141 pages, 52 figures, 2 appendices, 18 references. The purpose of this paper is to develop an investment strategy and a system of trading signals using machine learning methods and technical analysis indicators. To solve this problem, we use linear regression models, K–nearest neighbors, support vector machine, random forest, and XGBoost. The object of the study is the time series of cryptocurrency prices on the example of several popular cryptocurrency pairs, such as ETHUSDT, BTCUSDT, LTCUSDT, and others. The subject of the study is the application of machine learning methods and technical analysis indicators to forecast the closing prices of cryptocurrencies. The relevance of the study is due to the need for accurate forecasting of cryptocurrency prices to make effective investment decisions in conditions of high market volatility. The result of this work is a comparison of the performance of different machine learning models for predicting cryptocurrency closing prices and the selection of the optimal model that can predict prices with the highest accuracy. For further research, it is advisable to use additional technical indicators, increase the amount of data for model training, and consider more sophisticated machine learning methods such as recurrent neural networks and deep neural networks.
dc.format.extent141 с.
dc.identifier.citationГонтар, В. М. Розробка інвестиційної стратегії та системи сигналів торгівельних угод з використанням методів машинного навчання та індикаторів технічного аналізу : дипломна робота ... бакалавра : 124 Системний аналіз / Гонтар Віктор Миколайович. – Київ, 2024. – 141 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69146
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectінвестиційна стратегія
dc.subjectсистема сигналів торгівельних угод
dc.subjectметоди машинного навчання
dc.subjectтехнічний аналіз
dc.subjectіндекс відносної сили (rsi)
dc.subjectконвергенція/дивергенція сковзних середніх (macd)
dc.subjectнавчання моделі
dc.subjectперенавчання
dc.subjectточність прогнозу
dc.subjectпохибка прогнозу
dc.subjectinvestment strategy
dc.subjectsystem of trade signals
dc.subjectmachine learning methods
dc.subjecttechnical analysis
dc.subjectrelative strength index (rsi)
dc.subjectconvergence/divergence of moving averages (macd)
dc.subjectmodel training
dc.subjectretraining
dc.subjectforecast accuracy
dc.subjectforecast error
dc.titleРозробка інвестиційної стратегії та системи сигналів торгівельних угод з використанням методів машинного навчання та індикаторів технічного аналізу
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Gontar_bakalavr.pdf
Розмір:
5.39 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

Бакалаврські роботи (ММСА)
Бакалаврські роботи