АНАЛІЗ МОДЕЛЕЙ АНАЛІТИЧНИХ ВЕБ-СИСТЕМ ПРОГНОЗУ МІЖБІРЖОВОЇ ВАРТОСТІ ЦИФРОВИХ КРИПТОАКТИВІВ

Анотація

У статті проведено комплексний аналіз існуючих моделей та методів прогнозування міжбіржової вартості цифрових криптоактивів. Досліджено еволюцію підходів до прогнозування – від простих алгоритмів, що базуються виключно на історичних даних, до складних багатофакторних моделей з використанням штучного інтелекту. Особлива увага приділяється аналізу ефективності рекурентних нейронних мереж та моделей з довгою короткостроковою пам’яттю (LSTM) у прогнозуванні криптовалютних ринків. Розглянуто конкретні приклади реалізації прогнозних систем, зокрема роботи Огньєна Гатало, Марко Сантоса, Дерка Зомера та Фредеріка Ріверолла, проаналізовано їхні переваги та обмеження. Докладно висвітлено експеримент з використання LSTM-моделі для прогнозування курсу біткоїна, який продемонстрував потенціал нейромереж у виявленні прихованих закономірностей ринку. Окремо досліджено інноваційний підхід, що базується на аналізі новинного фону та його кореляції з ціновою динамікою криптовалют. Представлено результати дослідження Даніеля Чена щодо багатокритеріального статистичного аналізу криптовалютного ринку, включаючи вивчення взаємозв’язків між ринковою капіталізацією та різними метриками популярності криптовалют у соціальних мережах. Виявлено основні проблеми та обмеження існуючих прогнозних моделей, зокрема їх низьку ефективність під час періодів високої волатильності та складність врахування зовнішніх факторів впливу. Обґрунтовано необхідність комплексного підходу до прогнозування, що поєднує аналіз технічних, фундаментальних та соціальних факторів. Визначено перспективні напрямки подальших досліджень у сфері прогнозування вартості криптоактивів, включаючи вдосконалення методів інтеграції різнорідних даних та розробку більш стійких до ринкових коливань алгоритмів, а також дослідження можливостей застосування трансформерів та інших сучасних архітектур нейронних мереж для підвищення точності довгострокових прогнозів.