Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003027, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Моделі машинного навчання в задачах аналізу здатності технічних індикаторів прогнозувати ціни криптовалют Автор Бедлінський Кірілл ІгоровичBedlinskyi Kirill Ihorovych Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76269 Видання Київ Опис Дипломна робота: 149 с., 45 рис., 22 табл., 2 дод., 28 джерел. Об’єкт дослідження – процеси прогнозування зміни тренду ціни криптовалюти. Предмет дослідження – моделі машинного навчання в аналізі предикативної здатності технічних індикаторів. Мета роботи – розробка та експериментальна оцінка ефективності моделей машинного навчання для прогнозування динаміки цін криптовалют із використанням набору технічних індикаторів. Результат роботи – є розроблене програмне рішення, яке виконує тренування моделі машинного навчання під технічний індикатор та яке показує ефективність обраного індикатору. Проведено порівняння результатів, отриманих різними розглянутими підходами. Програмне рішення було розроблено у середовищі Jupiter Notebook із використанням мови програмування Python. В роботі було використано ринкові дані з платформи Yahoo Finance. Thesis: 149 p., 45 fig., 22 tables, 2 appendices, 28 references. Object of the study – the processes of forecasting cryptocurrency price trend changes. Subject of the study – machine learning models used to analyze the predictive power of technical indicators. Purpose of the study – to develop and experimentally evaluate the effectiveness of machine learning models for forecasting cryptocurrency price dynamics using a set of technical indicators. Result of the study – a software solution was developed that trains a machine learning model based on a specific technical indicator, this solution also demonstrates the indicator’s predictive effectiveness. A comparative analysis of the results obtained using different approaches was conducted. The software solution was developed in the Jupiter Notebook environment using the Python programming language. The study utilized market data retrieved from the Yahoo Finance platform Додано в НРАТ 2025-11-05 Закрити