Прогнозирование курса валют является одной из важнейших задач количественного финансирования. Участники валютных бирж должны знать подходящее время для покупки или продажи валюты, чтобы максимизировать их доход. Утверждение, что рынок следует случайным блужданием, является спорным. Если бы рынок следовал за ним, то прибыльные профессиональные трейдеры, анализируя временные ряды рынка с помощью технического анализа (ТА), не смогли бы извлечь прибыль. Следовательно, если эксперты финансового рынка, обладающей этой информацией, могут обыграть рынок, то методы машинного обучения (ML) смогут уловить эти модели (или их отсутствие). Цель исследовательской работы состоит в том, чтобы исследовать возможность использования методики глубокого машинного обучения, или рекуррентных нейронных сетей с длительной кратковременной памятью (LSTM), для разработки и обучения модели предсказания курса криптовалют с использованием инфраструктуры Keras, TensorFlow. Полученные результаты с точки зрения эффективности обучения нейронной сети вполне успешны. Выбор рекуррентной нейронной сети с долгой краткосрочной памятью подтверждён применяемой метрикой.

Forecasting the exchange rate is one of the most important tasks of quantitative financing. Participants in currency exchanges should know the right time to buy or sell currencies in order to maximize their income. The assertion that the market follows a random walk is controversial. If the market followed him, then profitable professional traders, analyzing the time series of the market using technical analysis (TA), would not be able to make a profit. Therefore, if financial market experts with this information can beat the market, machine learning methods (ML) can catch these models (or their absence). The purpose of the research is to explore the possibility of using deep machine learning techniques, or recurrent neural networks with long-term short-term memory (LSTM), to develop and train a cryptocurrency exchange rate prediction model using the infrastructure of Keras, TensorFlow.