Канцедал, Георгій ОлеговичКротенко, Нікіта Сергійович2023-10-122023-10-122023Кротенко, 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.https://ela.kpi.ua/handle/123456789/61291Дипломна 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.177 с.ukмашинне навчанняглибоке навчаннянейронна мережаансамбльпрогнозування часового рядупопередня обробка данихперехресна перевіркапідбір гіперпараметрівкриптовалютиуправління ризикамиуправління активамиmachine learningdeep learningneural networkslstm1d-cnnensembletime-series predictiondata preprocessingcross-validationhyperparameter tuningcryptocurrenciesbinancerisk managementasset managementДослідження ефективності алгоритмів машинного навчання для задачі управління активами на ринку криптовалют з урахуванням оцінки довіри користувачів до криптовалютиBachelor Thesis