Олецький, ОлексійРуденко, Владислав2026-08-272026-08-272026https://ekmair.ukma.edu.ua/handle/123456789/40990Магістерську роботу присвячено порівнянню методів глибинного навчання з підкріпленням і статичних політик для ребалансування криптовалютного портфеля. Задачу формалізовано як Марковський процес прийняття рішень із дотриманням принципу часової причинності, з урахуванням трансакційних витрат і проковзування. Наукова новизна полягає у застосуванні інформаційно керованих барів М. Лопеса де Прадо [1] як простору спостережень агента на додачу до традиційних часових барів. Експерименти виконуються на даних Binance Spot [2] за 2017–2026 рр. в єдиному середовищі історичного тестування. Об’єкт дослідження: процес ребалансування інвестиційного портфеля на криптовалютному ринку. Предмет дослідження: ефективність RL-агентів і статичних політик у різних просторах спостережень. Мета дослідження: порівняти RL-агентів зі статичними політиками та перевірити, чи покращують інформаційно керовані бари якість ребалансування порівняно з часовими барамиukнавчання з підкріпленнямребалансування портфеляінформаційно керовані бариЛопес де ПрадоPPOстатичні політикиBinance Spotмагістерська роботаOther