Система прогнозування ціни на криптовалюту методами машинного навчання
Тип публікації :
Магістерська робота
Дата випуску :
2023
Автор(и) :
Рискальчук Д. В.
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Рискальчук, Д. В. (2023). Система прогнозування ціни на криптовалюту методами машинного навчання [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/5404
[ДСТУ] Рискальчук Д. В. Система прогнозування ціни на криптовалюту методами машинного навчання : кваліфікаційна робота магістра : 12 Інформаційні технології. Київ, 2023. 94 с. URL: https://ir.library.knu.ua/handle/123456789/5404 (дата звернення: 25.07.2026).
Мета кваліфікаційної роботи: Метою роботи є дослідження та аналіз методів машинного навчання для прогнозування ціни на криптовалюту, а також розробка та валідація моделі прогнозування ціни на криптовалюту на основі методів машинного навчання.
Об’єкт дослідження – процес прогнозування ціни на криптовалюту методами машинного навчання.
Предмет дослідження – методи машинного навчання для прогнозування ціни на криптовалюту.
Результати роботи. У кваліфікаційній роботі проведено аналіз сучасних методів машинного навчання для прогнозування ціни на криптовалюту, здійснено порівняння ефективності різних методів для РЕФЕРАТ прогнозування ціни на криптовалюту, розроблено систему прогнозування ціни на криптовалюту.
Ключові слова: Прогнозування ціни, криптовалюта, машинне навчання, ARIMA, LSTM, моделювання, технічний аналіз, фундаментальний аналіз, інвестування, ризик.
Об’єкт дослідження – процес прогнозування ціни на криптовалюту методами машинного навчання.
Предмет дослідження – методи машинного навчання для прогнозування ціни на криптовалюту.
Результати роботи. У кваліфікаційній роботі проведено аналіз сучасних методів машинного навчання для прогнозування ціни на криптовалюту, здійснено порівняння ефективності різних методів для РЕФЕРАТ прогнозування ціни на криптовалюту, розроблено систему прогнозування ціни на криптовалюту.
Ключові слова: Прогнозування ціни, криптовалюта, машинне навчання, ARIMA, LSTM, моделювання, технічний аналіз, фундаментальний аналіз, інвестування, ризик.
The purpose of the qualification work: The purpose of the work is to study and analyze the methods of machine learning to forecast the price of cryptocurrency, as well as the development and validation of the model of pricing for cryptocurrency based on machine learning methods.
The object of the research is the process of forecasting the price on cryptocurrency by machine training.
The subject of the research is the methods of machine learning to forecast the price of cryptocurrency.
Results. In the qualification work, an analysis of modern machine learning methods for forecasting cryptocurrency prices was carried out, a comparison of the effectiveness of various methods for forecasting cryptocurrency prices was carried out, and a cryptocurrency price forecasting system was developed.
Keywords: price forecasting, cryptocurrency, machine learning, arima, LSTM, modeling, technical analysis, fundamental analysis, investment, risk.
The object of the research is the process of forecasting the price on cryptocurrency by machine training.
The subject of the research is the methods of machine learning to forecast the price of cryptocurrency.
Results. In the qualification work, an analysis of modern machine learning methods for forecasting cryptocurrency prices was carried out, a comparison of the effectiveness of various methods for forecasting cryptocurrency prices was carried out, and a cryptocurrency price forecasting system was developed.
Keywords: price forecasting, cryptocurrency, machine learning, arima, LSTM, modeling, technical analysis, fundamental analysis, investment, risk.
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
4.27 MB
Контрольна сума :
(MD5):fc86304fc472a4c5b45a7df67f5a2de5
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International