Детальная информация

Задачи, которые решались в ходе исследования: 1) Обзор существующих моделей прогнозирования волатильности криптовалют. 2) Разработка модели прогнозирования волатильности криптовалют. 3) Сбор и обработка данных, необходимых для разработки и тестирования модели. 4) Реализация модели. 5) Оценка эффективности полученной модели. В ходе данной работы была разработана и исследована модель прогнозирования волатильности криптовалют на основе метода регрессии опорных векторов (SVR). Для определения оптимального набора признаков модели была проведена серия экспериментов с использованием данных о реализованной дисперсии, информации о биткоине, рыночных данных, информации о блокчейне и обменных курсов. Результатом исследования стало улучшение точности прогнозов модели за счет подбора оптимального набора признаков и параметров модели. Для достижения данных результатов в работе был использован облачный сервис Google Colab.

The research set the following goals: 1) Review of existing models for forecasting the volatility of cryptocurrencies. 2) Development of a model for forecasting the volatility of cryptocurrencies. 3) Collection and processing of data necessary for developing and testing the model. 4) Implementation of the model. 5) Evaluation of the effectiveness of the resulting model. In this work, a cryptocurrency volatility forecasting model based on the support vector regression (SVR) method was developed and studied. To determine the optimal set of model features, a series of experiments were conducted using data on realized variance, bitcoin information, market data, blockchain information, and exchange rates. The result of the study was an improvement in the accuracy of the models forecasts due to the selection of the optimal set of features and model parameters. To achieve these results, the Google Colab cloud service was used in the work.