Інформаційна система прогнозування тренду ціни криптовалюти на основі торгових сесій

Abstract

Розвиток криптовалют та їх інтеграція у світову економіку створюють необхідність розробки надійних методів прогнозування їхньої ціни. У цій бакалаврській кваліфікаційній роботі представлено розробку інформаційної системи прогнозування тренду ціни криптовалюти на основі торгових сесій. Система використовує дані торгових сесій для аналізу та прогнозування, застосовуючи сучасні методи машинного навчання, такі як довготривала короткострокова пам'ять (LSTM). Основною метою роботи є створення інформаційної системи, яка забезпечує точне прогнозування тренду ціни криптовалют для підтримки інвестиційних рішень. Аналіз існуючих методів прогнозування, таких як ARIMA та нейронні мережі, дозволив обрати оптимальну модель для реалізації. Зокрема, було обрано метод LSTM через його високу ефективність у роботі з часовими рядами та можливість врахування складних залежностей у даних [7]. Об'єктом дослідження є інформаційні системи для прогнозування фінансових показників, зокрема криптовалют. Було проведено порівняння різних підходів до прогнозування, що дозволило виявити сильні та слабкі сторони кожного з методів. На основі цього аналізу було створено власну модель прогнозування, яка інтегрує найкращі практики та підходи. Використання технологій машинного навчання, зокрема нейронних мереж, забезпечує високу точність прогнозів. Це підтверджується результатами тестування моделі на історичних даних, що показали значне покращення точності у порівнянні з традиційними методами. Система також передбачає інтерактивний інтерфейс для користувачів, що дозволяє легко отримувати прогнози та аналізувати результати[1] [4]. Таким чином, розроблена інформаційна система не лише підвищує точність прогнозування, але й спрощує процес прийняття інвестиційних рішень, що є особливо важливим у умовах високої волатильності криптовалютного ринку. Використання новітніх технологій та алгоритмів дозволяє створити надійний інструмент для трейдерів та інвесторів [3][5].The development of cryptocurrencies and their integration into the global economy necessitate the creation of reliable methods for forecasting their prices. This bachelor's qualification work presents the development of an information system for predicting cryptocurrency price trends based on trading sessions. The system uses trading session data for analysis and forecasting, applying modern machine learning methods such as Long Short-Term Memory (LSTM). The main goal of this work is to create an information system that provides accurate cryptocurrency price trend predictions to support investment decisions. An analysis of existing forecasting methods, such as ARIMA and neural networks, allowed for the selection of the optimal model for implementation. Specifically, the LSTM method was chosen due to its high efficiency in working with time series and its ability to account for complex dependencies in the data [7]. The object of the study is information systems for forecasting financial indicators, particularly cryptocurrencies. A comparison of different forecasting approaches was conducted, revealing the strengths and weaknesses of each method. Based on this analysis, a custom forecasting model was developed, integrating best practices and approaches. The use of machine learning technologies, particularly neural networks, ensures high prediction accuracy. This is confirmed by the results of testing the model on historical data, which showed significant improvements in accuracy compared to traditional methods. The system also features an interactive user interface that allows users to easily obtain forecasts and analyze results [1][4]. Thus, the developed information system not only enhances forecasting accuracy but also simplifies the investment decision-making process, which is especially important in the highly volatile cryptocurrency market. The use of the latest technologies and algorithms enables the creation of a reliable tool for traders and investors[3][5].