Целью работы является исследование ключевых индикаторов технического анализа и построение алгоритма по оценке их эффективности в прогнозировании ценовой динамики на рынке цифровых валют. Были решены следующие задачи: - проанализированы известные индикаторы технического анализа: RSI, Stochastic, Momentum; - построен осциллятор stochastic с применением языка программирования python; - сформирована модель машинного обучения по прогнозированию ценовой динамики цифровых активов; - выявлен алгоритм по оценке эффективности торговых индикаторов в прогнозировании ценовой динамики; Актуальность темы обусловлена необходимостью использования рядовых трейдеров в использовании индикаторов технического анализа, что помогает существенно снизить риски и повысить эффективность торговли. Путем анализа метрик модели машинного обучения было установлено, что данный осциллятор имеет наибольшее влияние на точность прогнозирования трендов цен по сравнению с другими. Анализ и обработка данных осуществлялась с использованием программного обеспечения python. Сбор данных осуществлялся в цифровой среде инструментами API, автоматизированными средствами Python, применением библиотеки yahoo finance.

The purpose of the work is to study the key indicators of technical analysis and build an algorithm to assess their effectiveness in predicting price dynamics in the market of digital currencies. The following tasks were solved: - analyzed known indicators of technical analysis: RSI, Stochastic, Momentum; - stochastic oscillator was built using python programming language; - a machine learning model for predicting price dynamics of digital assets was formed; - an algorithm for evaluating the effectiveness of trading indicators in predicting price dynamics was revealed; The relevance of the topic is due to the need for ordinary traders to use indicators of technical analysis, which helps to significantly reduce risks and improve trading efficiency. By analyzing the metrics of the machine learning model, it was found that this oscillator has the greatest impact on the accuracy of predicting price trends compared to others. The data was analyzed and processed using python software. Data was collected in a digital environment using API tools, automated Python tools, using yahoo finance library.