Інтелектуальна інформаційна система прогнозування котирування криптовалюти
Автор: Ривак Назар Тарасович
Кваліфікаційний рівень: магістр (ОНП)
Спеціальність: Системний аналіз (освітньо-наукова програма)
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: У сучасних умовах стрімкого розвитку цифрових фінансів криптовалюти стали важливим елементом глобального економічного простору. Їхня висока волатильність і залежність від численних інформаційних чинників створює значні труднощі для ефективного прогнозування та обґрунтованого прийняття рішень під час трейдингу. Саме тому зростає потреба в інтелектуальних системах, здатних аналізувати великі обсяги даних і формувати достовірні прогнози. Об’єктом дослідження є процес прогнозування котирування криптовалюти та проведення трейдингу. Предметом дослідження виступає передбачення змін курсів криптовалют на основі наявних методик та автоматизація процесів торгівлі на ринку цифрових активів. Метою дослідження є проєктування системи, яка здатна прогнозувати котирування обраних криптовалют і надавати рекомендації для проведення трейдингу на ринках. Для досягнення поставленої мети було створено інтелектуальну інформаційно-аналітичну систему, що дозволяє виконувати коротко- та середньострокове прогнозування ціни криптовалюти. У роботі використано комбінацію джерел даних: історичні котирування криптовалют отримане з Cryptocompare API, індекси популярності з Google Trends, а також тональність користувацьких твітів соціальної мережі X (Twitter). Система складається з таких модулів: • Модуль збору твітів, який отримує повідомлення за заданими хештегами із соціальної мережі X та зберігає їх у базу даних PostgreSQL. Додано функціонал перевірки дат для запобігання дублювання даних. • Модуль обробки тексту, що очищає твіти від шуму (URL, емодзі тощо), нормалізує текст та виконує аналіз тональності за допомогою моделі VADER. Отримана метрика відображає позитивну, негативну чи нейтральну оцінку тональності в твітах, що може впливати на очікування інвесторів. • Модуль збору даних із Google Trends, який отримує індекси популярності пошукових запитів щодо обраної криптовалюти та зберігає їх у базу даних PostgreSQL. • Модуль збору даних із Cryptocompare API, який отримує історію цін криптовалюти та зберігає їх у базу даних PostgreSQL. • Модуль прогнозування реалізує машинне навчання із застосуванням таких алгоритмів, як Random Forest, логістична регресія, поліноміальний наївний баєс. Особливу увагу приділено побудові моделей із використанням змінних, що враховують не лише історичну динаміку, а й емоційне тло та рівень зацікавлення в суспільстві. Моделі навчаються на історичних вибірках і здійснюють прогноз на 1, 7 та 30 днів наперед. • Графічний інтерфейс користувача, реалізований з використанням бібліотеки Tkinter, дає змогу сформувати прогноз, здійснити торгівлю на біржі Binance, а також переглянути історію торгівлі та побудувати статистику. Практичне значення цього дослідження полягає у можливості розроблення імовірнісних моделей, аналітичних інструментів та автоматизованих систем, що сприятимуть прийняттю більш обґрунтованих рішень у сфері інвестування та трейдингу криптовалют. Розроблена система може бути адаптована до інших цифрових активів або галузей, де інформаційний фон суттєво впливає на ринкову активність. У результаті експериментальних досліджень підтверджено, що поєднання соціальних, інформаційних і фінансових факторів дозволяє підвищити точність прогнозування. Також встановлено, що додавання індикаторів тональності та популярності значно покращує якість прогнозної моделі в порівнянні з використанням лише історичних цін. Ключові слова: інтелектуальна інформаційна система, криптовалюта, прогнозування, машинне навчання, аналіз тональності тексту, VADER, Google Trends, Cryptocompare API, X, PostgreSQL.