Registration Number
2122U008989, Article
popup.category
Стаття
Title
Information Technology for the Cryptocurrency Rate Forecasting
on the Basics of Complex Feature Engineering
popup.author
Мокін В. Б.
Жуков С. О.
Куперштейн Л. М.
Слободянюк О. В.
Mokin V. B.
Zhukov S. O.
Kupershtein L. M.
Slobodianiuk O. V.
Mokin V. B.
Zhukov S. O.
Kupershtein L. M.
Slobodianiuk O. V.
popup.publication
01-01-2022
popup.source_user
Вінницький національний технічний університет
popup.source
http://ir.lib.vntu.edu.ua/handle/123456789/35754
popup.publisher
Вінницький національний технічний університет
Description
Розроблено інформаційну технологію прогнозування курсу криптовалют на основі комплексної інженерії ознак. Особливість цієї технології полягає в системному підході до відбору ознак. Проведено аналіз груп зовнішніх та внутрішніх факторів потенційного впливу на криптовалютний ринок. Аналіз ознак, які характеризують зміни курсу криптовалют, показав, що окрім базових первинних ознак, які доступні на багатьох криптобіржах, важливішими для подальшого прогнозування курсу криптовалют є вторинні ознаки, які отримують з базових первинних шляхом застосування до них різних математичних операцій та/або алгоритмічних трансформацій. Аналіз великої кількості джерел показав, що криптовалюти мають низку характерних особливостей, які й зумовили їх велику популярність і які теж варто враховувати під час формування та вибору ознак. В роботі проведена систематизація ключових таких особливостей, а також запропоновано яким чином їх формалізувати у вигляді ознак. Формалізувати ознаки запропоновано за системним підходом, згідно з постулатами технічної кібернетики, де говориться, що будь-який об`єкт дослідження можна представити у вигляді чорного ящика (ЧЯ), який контактує з зовнішнім середовищем у п`яти точках, що можуть у багатовимірному випадку бути множинами ознак чи змінних. Запропоновано загальну математичну модель формування цих факторів, яке полягає у генеруванні великої кількості вторинних ознак на основі простих математичних, алгоритмічних та статистичних трансформацій з подальшим відбором найрелевантніших з них. Технологія передбачає синтез нових вторинних ознак на основі інших вторинних ознак, за окремими винятками, які формалізовано у вигляді системи правил. Це дозволить зменшити перенавчання моделі та покращити її узагальнюючу здатність.
Для доведення працездатності розробленої технології розглянуто приклад її застосування на базі криптовалюти біткоїн за щодобовими даними 2020―2021 років. Проведені дослідження та комп`ютерні експерименти показали ефективність та працездатність запропонованої технології.
popup.nrat_date
2026-11-04
