Моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання
The article analyzes the dynamics of the cryptocurrency market (Bitcoin) using econometric estimation tools based on machine learning models. The forecasting method is improved based on time series decomposition and lagged shifts of financial indicators. An ensemble of short-term forecast models for...
Збережено в:
Видавець: | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
---|---|
Дата: | 2023 |
Автори: | , , |
Формат: | Стаття |
Мова: | Ukrainian |
Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2023
|
Теми: | |
Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/283237 |
Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Організація
System research and information technologiesid |
journaliasakpiua-article-283237 |
---|---|
record_format |
ojs |
spelling |
journaliasakpiua-article-2832372024-02-01T21:03:07Z Modeling cryptocurrency market dynamics using machine learning tools Моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання Martjanov, Dmytro Vyklyuk, Yaroslav Fleychuk, Mariya ensemble models machine learning time series cryptocurrency ансамблі моделей машине навчання часовий ряд криптовалюта The article analyzes the dynamics of the cryptocurrency market (Bitcoin) using econometric estimation tools based on machine learning models. The forecasting method is improved based on time series decomposition and lagged shifts of financial indicators. An ensemble of short-term forecast models for the Bitcoin exchange rate is built, and its accuracy is analyzed and compared to individual component models. Time series models are used along with calculated financial indicators (ADODS, NATR, TRANGE, ATR, OBV, RSI, ADTV). The absolute deviation of the short-term forecast amounted to $9.5, which is 0.06% of the absolute value. Проаналізовано динаміку кон’юнктури ринку криптовалют (Bitcoin) з використанням інструментарію економетричного оцінювання на основі моделей машинного навчання. Удосконалено метод прогнозування на основі декомпозиції часових рядів та лагових зміщень фінансових індикаторів. Побудовано ансамбль моделей короткочасного прогнозу курсу Bitcoin та проаналізовано його точність порівняно з окремими складовими моделями. Використано моделі часових рядів на основі розрахованих фінансових індикаторів (ADODS, NATR, TRANGE, ATR, OBV, RSI, ADTV). Абсолютне відхилення короткочасного прогнозу склало 9,5$ що становить 0,06% від абсолютного значення. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2023-12-26 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/283237 10.20535/SRIT.2308-8893.2023.4.04 System research and information technologies; No. 4 (2023); 54-68 Системные исследования и информационные технологии; № 4 (2023); 54-68 Системні дослідження та інформаційні технології; № 4 (2023); 54-68 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/283237/290374 |
institution |
System research and information technologies |
collection |
OJS |
language |
Ukrainian |
topic |
ensemble models machine learning time series cryptocurrency ансамблі моделей машине навчання часовий ряд криптовалюта |
spellingShingle |
ensemble models machine learning time series cryptocurrency ансамблі моделей машине навчання часовий ряд криптовалюта Martjanov, Dmytro Vyklyuk, Yaroslav Fleychuk, Mariya Моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання |
topic_facet |
ensemble models machine learning time series cryptocurrency ансамблі моделей машине навчання часовий ряд криптовалюта |
format |
Article |
author |
Martjanov, Dmytro Vyklyuk, Yaroslav Fleychuk, Mariya |
author_facet |
Martjanov, Dmytro Vyklyuk, Yaroslav Fleychuk, Mariya |
author_sort |
Martjanov, Dmytro |
title |
Моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання |
title_short |
Моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання |
title_full |
Моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання |
title_fullStr |
Моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання |
title_full_unstemmed |
Моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання |
title_sort |
моделювання динаміки ринку криптовалют з використанням інструментів машинного навчання |
title_alt |
Modeling cryptocurrency market dynamics using machine learning tools |
description |
The article analyzes the dynamics of the cryptocurrency market (Bitcoin) using econometric estimation tools based on machine learning models. The forecasting method is improved based on time series decomposition and lagged shifts of financial indicators. An ensemble of short-term forecast models for the Bitcoin exchange rate is built, and its accuracy is analyzed and compared to individual component models. Time series models are used along with calculated financial indicators (ADODS, NATR, TRANGE, ATR, OBV, RSI, ADTV). The absolute deviation of the short-term forecast amounted to $9.5, which is 0.06% of the absolute value. |
publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
publishDate |
2023 |
url |
http://journal.iasa.kpi.ua/article/view/283237 |
work_keys_str_mv |
AT martjanovdmytro modelingcryptocurrencymarketdynamicsusingmachinelearningtools AT vyklyukyaroslav modelingcryptocurrencymarketdynamicsusingmachinelearningtools AT fleychukmariya modelingcryptocurrencymarketdynamicsusingmachinelearningtools AT martjanovdmytro modelûvannâdinamíkirinkukriptovalûtzvikoristannâmínstrumentívmašinnogonavčannâ AT vyklyukyaroslav modelûvannâdinamíkirinkukriptovalûtzvikoristannâmínstrumentívmašinnogonavčannâ AT fleychukmariya modelûvannâdinamíkirinkukriptovalûtzvikoristannâmínstrumentívmašinnogonavčannâ |
first_indexed |
2024-04-08T14:50:31Z |
last_indexed |
2024-04-08T14:50:31Z |
_version_ |
1804810499072720896 |