Алгоритм прогнозування курсу криптовалюти з урахуванням впливу ранжованої групи експертів в соціальних мережах
DOI:
https://doi.org/10.20535/1560-8956.46.2025.323713Ключові слова:
курс криптовалюти, алгоритм прогнозування, дописи в соціальних мережах, ранжування групи експертів, рекомендаційна система, машинне навчання, статистичний аналіз, інформаційна технологія інтелектуального аналізуАнотація
В даній роботі представлено алгоритм для вивчення рівня впливу дописів ранжованої групи експертів в соціальних мережах на курс криптовалюти. В якості вхідних даних використовувалися перелік експертів, рівень впливу яких буде
досліджуватися, інтервал часу дослідження, кількість дописів, що зробив кожен з розглянутих експертів за вказаний період часу, а також реальні курси криптовалют за відповідний період. В якості експертів обиралися відомі особистості, які є як обізнаними в галузі фінансів в цілому та криптовалют зокрема, або діяльність яких так чи інакше пов’язана з певною криптовалютою. Для кожного з експертів прогнозування курсів криптовалюти в обраний період часу проводиться за допомогою алгоритму АУДСМ. Отримані значення прогнозів є показниками в моделі, яка побудована за допомогою методу лінійної зваженої згортки. Рівень впливовості дописів в соціальній мережі експерта визначається за допомогою формул повної ймовірності та Байєса. Для контролю точності прогнозів обчислюється відносна середня похибка. Рекомендації щодо фінансових операцій з криптовалютою формуються за допомогою введення критичного значення курсу та обчислення середнього арифметичного курсів криптовалюти за вказаний період часу.
Бібл. 18, іл. 1, табл. 2
Посилання
P. Preethi, V. Uma, A. Kumar. (2015). «Temporal Sentiment Analysis and Causal Rules Extraction from Tweets for Event Prediction». Procedia Computer Science. №48. pp. 84–89. DOI: https://doi.org/10.1016/j.procs.2015.04.154.
Matthew S. Gerber. (2014). «Predicting crime using Twitter and kernel density estimation». Decision Support Systems. №61. pp. 115–125. DOI: https://doi.org/10.1016/j.dss.2014.02.003.
R. Alhajj, J. Rokne, (eds). (2018). «Encyclopedia of Social Network Analysis and Mining». Analysis and Mining. Springer, New York, NY. pp. 2699. DOI: https://doi.org/10.1007/978-1-4614-7163-9.
K. Byrd, A. Mansurov, O. Baysal. (2016). «Mining Twitter data for influenza detection and surveillance». SEHS '16: Proceedings of the International Workshop on Software Engineering in Healthcare Systems. pp. 43–49. https://doi.org/10.1145/2897683.2897693.
Ramona-Diana Leon, Raúl Rodríguez-Rodríguez, Pedro Gómez-Gasquet, Josefa Mula. (2017). «Social network analysis: A tool for evaluating and predicting future knowledge flows from an insurance organization». Technological Forecasting and Social Change. Vol. 114. pp. 103-118. https://doi.org/10.1016/j.techfore.2016.07.032.
D. Karahoca, A. Karahoca, Ö. Yavuz. (2013). «An early warning system approach for the identification of currency crises with data mining techniques». Neural Comput & Applic. Volume 23. pp. 2471–2479. DOI: https://doi.org/10.1007/s00521 -012-1206-9 .
M. Žukovič. (2012). «Dynamics of episodic transient correlations in currency exchange rate returns and their predictability». centr.eur.j.phys. Volume 10. pp. 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. pp. 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. pp. 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. pp. 22–34. DOI: https://doi.org/10.20535/SRIT.2308-8893.2023.2.02.
O. Gavrilenko, M. Myagkyi. (2023). «Forecasting the cryptocurrency exchange rate based on the ranking of expert opinions». Innovative technologies and scientific solutions for industries. No. 4 (26). pp. 24-32. https://doi.org/10.30837/ITSSI.2023.26.024.
Binance cryptocurrency exchange. URL: https://www.binance.com/en/strategy/spot/grid/DOGEUSDT. (accessed: 13.10.2023).
Kartashov, M. (2007). «Internationality, processes, statistics». Publishing and printing center Kiev University, Kiev, 504 p.
Denisyuk, V., Bobkov, V., Pogrebetska, T., Repeta, V. (2009). «Higher mathematics. Part 4. The theory of probabilities and mathematical statistics». Edition «NAU-druk», Kiev, 256 p.
Gavrilenko O., Myagkyi M. (2023). «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. P. 162–164.
Time series. URL: https://kstat.pnu.edu.ua/wp-content/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: 1 4.09.2024).
Michkivsky S.M., Prigunov O.V., Rymar P.V. (2019). «Decision-making systems and methods: methodological guidelines». Vinnytsia, Vasyl' Stus DonNU. P. 76. URL:https://r.donnu.edu.ua/bitstream/123456789/ (accessed: 14.09.2024).
Bidyuk P.I., Tymoshchuk O.L., Kovalenko A.E., Korshevnyuk L.O. (2022). «Systems and methods of decision support. Textbook». Igor Sikorsky Kyiv Polytechnic Institute. Р. 610. URL: https://ela.kpi.ua/server/api/core/bitstreams/6958f683-fbac-4506-9c85-5115c8f8b4c6/content. (accessed: 14.09.2024).
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
