Прогнозування курсу криптовалюти на основі ранжування експертних оцінок
DOI:
https://doi.org/10.30837/ITSSI.2023.26.024Ключові слова:
курс криптовалюти; алгоритм прогнозування; дописи в соціальних мережах; ранжування групи експертів; інформаційна технологія інтелектуального аналізуАнотація
На сьогодні більшість криптовалютних бірж не мають інструментів, що дали б змогу перевірити й дослідити інформацію, поширену в соціальних мережах щодо тієї чи іншої криптовалюти. Це допомагає організовувати відповідне дослідження з подальшим розробленням необхідного інструменту, що за умови коректного застосування надаватиме користувачам рекомендаційні поради про подальші дії щодо досліджуваної в системі криптовалюти. Ґрунтуючись на цих порадах, зацікавлені особи зможуть коригувати свої рішення щодо подальших фінансових кроків. В основі загальної більшості рекомендаційних систем завжди лежить необхідність установлення деяких факторів впливу, яким пізніше надаються певні вагові коефіцієнти для сприяння та спрощення формулювання подальших порад для користувачів. У цій роботі розглядається саме вплив публікацій відомих осіб на формування цін за певну криптовалюту в конкретний момент часу. Важливість і наявність зазначеного впливу доведено раніше з допомогою статистичних методів. Мета дослідження – розроблення алгоритму для вивчення рівня впливу дописів кожного експерта з обраної групи в соціальних мережах на курс криптовалюти. Об’єктом роботи є прогноз курсу криптовалют. Як вхідні показники застосовувалися перелік експертів, рівень впливу яких вивчатиметься; інтервал часу дослідження; кількість дописів, що зробив кожен із розглянутих експертів за вказаний період часу; реальні курси криптовалют за відповідний період. Експерти обиралися з-поміж відомих особистостей, які обізнані в галузі фінансів загалом і криптовалют зокрема, або діяльність яких так чи так пов’язана з певною криптовалютою. Методи дослідження. Ранжування експертів проводиться на основі формул повної ймовірності та Баєса. Курси криптовалюти за обраний період часу прогнозуються за допомогою певного алгоритму, зважаючи на дописи експертів у соціальних мережах (ATAPSN). Для контролю точності прогнозів обчислюється відносна середня похибка. Рекомендації щодо фінансових операцій із криптовалютою формуються способом уведення критичного значення курсу та обчислення середнього арифметичного курсів криптовалюти за вказаний період часу. Здобуті результати. Унаслідок досліджень було розроблено алгоритм, що дає змогу брати до уваги вплив дописів кожного експерта з обраної ранжованої групи на зміни курсів певної криптовалюти. На основі отриманих прогнозів у роботі подана методика формування рекомендацій щодо фінансових операцій з ними.
Посилання
REFERENCES
Preethi, P., Uma, V., Kumar. A. (2015), “Temporal Sentiment Analysis and Causal Rules Extraction from Tweets for Event Prediction”, Procedia Computer Science. №48. P. 84–89. DOI: https://doi.org/10.1016/j.procs.2015.04.154.
Gerber, Matthew S. (2014), “Predicting crime using Twitter and kernel density estimation”. Decision Support Systems. №61. P. 115–125. DOI: https://doi.org/10.1016/j.dss.2014.02.003.
Alhajj, R., Rokne, J., (eds). (2018), “Encyclopedia of Social Network Analysis and Mining”, Analysis and Mining. Springer, New York, NY. P. 2699. DOI: https://doi.org/10.1007/978-1-4614-7163-9.
Culotta, A., Huberman, B. “Towards detecting influenza epidemics by analyzing Twitter messages”, Proceedings of the First Workshop on Social Media Analytics. ACM. P. 115–122. 2010. URL: http://snap.stanford.edu/soma2010/papers/soma2010_16.pdf (accessed: 13.10.2023).
Chau, M., Xu, J. (2007), “Mining communities and their relationships in blogs: A study of online hate groups”, Int. J. Hum.-Comput. Stud. 65(1). P. 57–70. DOI: https://doi.org/10.1016/j.ijhcs.2006.08.009
Karahoca, D., Karahoca, A., Yavuz, Ö. (2013), “An early warning system approach for the identification of currency crises with data mining techniques”, Neural Comput & Applic. Volume 23. P. 2471–2479. DOI: https://doi.org/10.1007/s00521-012-1206-9.
Žukovič, M. (2012), “Dynamics of episodic transient correlations in currency exchange rate returns and their predictability”. centr.eur.j.phys. Volume 10. P. 615–624. DOI: https://doi.org/10.2478/s11534-011-0120-6.
Gavrilenko, O., Novakivska, K., Shumeiko, O. (2022), “Select the most influx economic factors for forecasting the US dollar exchange rate”,Bulletin of NTU. No. 54. P. 26–35. DOI: https://doi.org/10.33744/2308-6645-2022-4-54-026-035.
Gavrylenko, O., Miahkyi, M., Zhurakovskyi, Y. (2022), “The task of analyzing publications to build a forecast for changes in cryptocurrency rates”, Adaptive automatic control systems. Volume 2. No. 41. P. 90–99. DOI: https://doi.org/10.20535/1560-8956.41.2022.271349.
Bidyuk, P., Gavrilenko, O., Myagkyi, M. (2023), “The algorithm for predicting the cryptocurrency rate taking into account the influence of posts of a group of famous people in social networks”, System research and information technologies: an international scientific and technical journal. № 2. P. 22–34. DOI: https://doi.org/10.20535/SRIT.2308-8893.2023.2.02.
Binance cryptocurrency exchange. URL: https://www.binance.com/en/strategy/spot/grid/DOGEUSDT. (accessed: 13.10.2023).
Gavrilenko, O., Myagky, M. (2023), “Information system for analyzing the influx of publications of experts on the course of cryptocurrency exchanges based on the rich-agent approach”, IV International Conference “Software Security Engineering and Advanced Information Technologies” (SoftTech-2023)”. P. 67–70. URL: https://ela.kpi.ua/handle/123456789/59988 (accessed: 13.10.2023).
Kartashov, M. "Internationality, processes, statistics, Publishing and printing center". Kiev University, Kiev, 2008. 504 p. URL: https://probability.knu.ua/userfiles/kmv/VPS_Pv.pdf (accessed: 13.10.2023).
Denisyuk, V., Bobkov, V., Pogrebetska, T., Repeta, V. "Higher mathematics. Part 4. The theory of probabilities and mathematical statistics", Edition "NAU-druk", Kiev, 2009. 256 p. URL: https://studfile.net/preview/5797767/ (accessed: 13.10.2023).
Gavrilenko O., Myagkyi M. “Study of the influence of the expert group's posts on the course of cryptocurrencies”, XIX International Scientific Conference named after academician Mykhailo Kravchuk Abstracts of reports.2023. P. 162–164. URL: https://matan.kpi.ua/media/2023/kravchuk-conf-2023/kravchuk2023-abstracts.pdf (accessed: 13.10.2023).
Time series. URL: https://kstat.pnu.edu.ua/wpcontent/uploads/sites/63/2018/04/%D0%A7%D0%B0%D1%81%D0%BE%D0%B2%D1%96-%D1%80%D1%8F%D0%B4%D0%B8.pdf. (accessed: 13.10.2023).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
