Мультимодальна інтелектуальна система ймовірнісного прогнозування змін курсів криптовалют на основі ринкових, текстових та ончейн-даних

Abstract

Об’єкт дослідження – процес прогнозування змін курсів криптовалют на основі мультимодальних часових рядів. Предмет дослідження – методи та моделі мультимодального інтелектуального прогнозування курсів криптовалют із використанням ринкових, текстових та ончейн-даних. Мета роботи – розроблення мультимодальної інтелектуальної системи ймовірнісного прогнозування змін курсів криптовалют на основі поєднання глибинних нейронних мереж та ансамблевих моделей машинного навчання. Методи дослідження – методи машинного та глибинного навчання, аналізу часових рядів, обробки природної мови, сентимент-аналізу, градієнтного бустингу, нормалізації даних та статистичної оцінки якості прогнозування. У результаті роботи розроблено мультимодальну інтелектуальну систему прогнозування курсів криптовалют, що поєднує ринкові дані, текстову інформацію та ончейн-метрики. Реалізовано гібридну архітектуру CNN-BiLSTM-Attention, ансамблевий компонент XGBoost, Python FastAPI AI-сервіс, ASP.NET Core backend, базу даних PostgreSQL та механізм збереження історії прогнозів. Проведено експериментальне дослідження якості прогнозування та визначено обмеження процедури нормалізації даних як напрям подальшого вдосконалення системи.