Інтелектуальна система аналізу та прогнозування ринку криптовалют
Анотація
Розглянуто проблему прогнозування вартості криптовалют, що характеризуються високою волатильністю та нелінійними залежностями. Запропоновано підхід до створення прототипу інтелектуальної системи на основі нейронних мереж LSTM та їх модифікацій. Для дослідження використано погодинні дані Bitcoin (BTC-USD) за останні 60 днів, отримані з CoinGecko. Побудовано кілька архітектур моделей, серед яких LSTM (просте розбиття train/test), LSTM (walk-forward), CNN-LSTM та LSTM+Attention. Експерименти
показали, що найкращі результати забезпечує класична LSTM (MAE ≈ 453 USD, RMSE ≈ 645 USD), що становить близько 1% від середньої ціни активу у вибраному періоді. Реалізовано прототип системи з інтерфейсом, який дозволяє візуалізувати результати прогнозування у режимі, наближеному до реальногочасу.
Посилання
[2] Brownlee J. Deep Learning for Time Series Forecasting [Електронний ресурс]. – Machine Learning Mastery, 2018. – 205 p. – Режим доступу: https://machinelearningmastery.com/deep learning-for-time-series-forecasting/ (дата звернення: 30.09.2025).
[3] CoinGecko API Documentation [Електронний ресурс]. – Режим доступу: https://www.coingecko.com (дата звернення: 30.09.2025).
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
