Search

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. Master’s thesis explanatory note: 95 p., 25 tabl., 22 fig., 1 application, 31 references. Topic: Data mining techniques for modeling and forecasting cryptocurrency exchange rates. Relevance of the topic: a new cryptocurrency market is booming in the world. However, at the same time, there is an increasing number of traders whose main task is to make a profit. Thus, the development and application of cryptocurrency exchange rate forecasting systems in the process of deciding whether to buy cryptocurrency sales transactions is relevant today. The purpose of this work is to research and improve existing techniques for constructing forecasting models and developing a decision support system for short-term forecasting of cryptocurrencies using exponential smoothing models and neural networks. The object of the study is a set of statistics on the operations of buying and selling cryptocurrency bitcoins on an exchange. Research methods: exponential smoothing models, neural networks, and matrix operations. The software is implemented using Python 3.7 programming language in the Jupyter Notebook development environment. Results obtained: a decision support system for short-term forecasting of cryptocurrency rates using exponential smoothing models and neural networks has been developed. The software is tested on real data.