Гороховський, СеменДубчак, Олександр2024-03-212024-03-212023https://ekmair.ukma.edu.ua/handle/123456789/28319Дана робота присвячена дослідженню, метою якого було спрогнозувати ціну біткоїна за допомогою різних статистичних методів, простого машинного навчання та методів глибокого навчання. Дослідження показало, що використання статистичних і простих моделей машинного навчання не дало успішних результатів. Зокрема, моделі ARIMA і прості моделі машинного навчання, такі як регресія опорних векторів і випадковий ліс, не показали хороших результатів у прогнозуванні цін криптовалюти. Моделі довготривалої короткочасної пам'яті (LSTM), які є різновидом моделей глибокого навчання, також не змогли точно спрогнозувати ціни на біткоїн з багатьма вихідними даними. Однак моделі синтетичних трансформерів, що включають механізми самоконтролю, показали багатообіцяючі результати у визначенні цінових тенденцій та екстремумів. У підсумку було побудовано і порівнянно багато видів моделей, одна з яких виявилась відносно успішною при передбаченні ціни на 14 днів вперед.ukбіткоїнARIMALSTMекстремумрегресія векторів підтримки (SVR)Random Forestмагістерська роботаOther