Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/39533| Назва: | Методи та засоби інтелектуалізованого аналізу назви записувати нижнім регістром (як у реченні) прогнозування курсу криптовалют |
| Інші назви: | Methods and means of the intellectualized analysis of cryptocurrency переклад англійською rate forecasting |
| Автори: | Артемук, Владислав Романович Artemuk, Vladyslav Romanovych |
| Приналежність: | Тернопільський національний технічний університет імені Івана Пулюя |
| Бібліографічний опис: | Артемук В. Р. Методи та засоби інтелектуалізованого прогнозування курсу криптовалют : кваліфікаційна робота магістра за спеціальністю „123 — комп’ютерна інженерія“ / В. Р. Артемук. — Тернопіль: ТНТУ, 2021. — 53 с. |
| Bibliographic description: | Artemuk V.R. Methods and means of intellectualized forecasting of the exchange rate of cryptocurrencies: master's qualification thesis in the specialty 123 — Computer engineering" / Artemuk V.R. – Ternopil: TNTU, 2021. –53 p. |
| Дата публікації: | 22-гру-2022 |
| Дата подання: | 22-гру-2022 |
| Дата внесення: | 23-гру-2022 |
| Видавництво: | Тернопільський національний технічний університет імені Івана Пулюя |
| Країна (код): | UA |
| Місце видання, проведення: | Тернопільський національний технічний університет імені Івана Пулюя |
| Науковий керівник: | Тиш, Євгенія Володимирівна Tysh, Ievgenia Volodymirivna |
| Члени комітету: | Приймак, Микола Володимирович Pryimak, Mykola |
| УДК: | 004.42,67 |
| Теми: | 123 комп’ютерна інженерія система метод криптовалюта прогнозування нейромережа Bitcoin інтерфейс API програма Telegram бот system method prediction cryptocurrency neural network interface program bot |
| Кількість сторінок: | 53 |
| Короткий огляд (реферат): | У кваліфікаційній роботі здійснено аналіз існуючих методів прогнозування курсу криптовалют, обрано метод прогнозування курсу криптовалюти методом факторної регресії. Здійснено ибір середовища проектування, проведено його аналіз, описано бібліотека які використовуються в проектуванні та реалізації алгоритмів прогнозування та телеграм бота на основі використання API. In the qualification work, an analysis of existing methods of forecasting the exchange rate of cryptocurrencies was carried out, the method of forecasting the exchange rate of cryptocurrencies using the factor regression method was chosen. The design environment was selected, its analysis was carried out, and the library used in the design and implementation of prediction algorithms and telegram bot based on the use of API was described. |
| Зміст: | ВСТУП ..... 7 РОЗДІЛ 1 АНАЛІЗ СТАТИСТИЧНИХ ДАНИХ КУРСУ КРИПТОВАЛЮТИ ТА ФУНКЦІОНАЛУ ТЕЛЕГРАМ БОТІВ. ОГЛЯД ІСНУЮЧИХ МЕТОДІВ ПРОГНОЗУВАННЯ КУРСУ КРИПТОВАЛЮТИ ...9 1.1. Важливість прогнозування курсу криптовалюти ...9 1.2. Історичні відомості з приводу курсу криптовалюти Bitcoin ...9 1.3. Telegram. Телеграм бот. Їх особливості ...13 1.4. Опис існуючих методів прогнозування курсу криптовалюти. Переваги та недоліки ...15 1.5. Висновки до першого розділу ...17 РОЗДІЛ 2 АНАЛІЗ МЕТОДУ ФАКТОРНОЇ РЕГРЕСІЇ ПРОГНОЗУВАННЯ КУРСУ КРИПТОВАЛЮТИ ТА ОПИС ПРОГРАМ, ЩО ВИКОРИСТОУЮТЬСЯ...18 2.1. Прогнозування курсу криптовалюти методом факторної регресії ...18 2.2. API...19 2.3. Вибір середовища проектування ...22 2.4. Опис використаних бібліотек Python ...25 2.5. Аналіз отриманих даних прогнозування курсу bitcoin ...30 2.6. Висновок до другого розділу ...32 РОЗДІЛ 3 ВИРІШЕННЯ ПОСТАВЛЕНОЇ ЗАДАЧІ ЗА ДОПОМОГОЮ ОБРАНИХ МЕТОДІВ ...33 3.1 Розробка та перевірка телеграм бота ...33 3.2 Висновок до третього розділу ...426 РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ ...43 4.1. Охорона праці ...43 4.2. Оцінка стійкості роботи об’єкту економіки до впливу поражаючих факторів ядерної зброї ...46 ВИСНОВКИ ...51 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ ...52 ДОДАТОК А ТЕЗИ КОНФЕРЕНЦІЇ ...54 |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/39533 |
| Власник авторського права: | © Артемук Владислав Романович, 2022 |
| Перелік літератури: | 1. Cryptocurrency URL: https://en.wikipedia.org/wiki/Cryptocurrency (дата звернення: 13.10.2022) 2. Bitcoin URL: https://en.wikipedia.org/wiki/Bitcoin (дата звернення: 15.10.2022) 3. Telegram URL: https://uk.wikipedia.org/wiki/Telegram (дата звернення: 17.10.2022) 4. Telegram Bots URL: https://core.telegram.org/bots (дата звернення: 18.10.2022) 5. Telegram Bot API URL: https://core.telegram.org/bots/api (дата звернення: 19.10.2022) 6. Python URL: https://uk.wikipedia.org/wiki/Python (дата звернення: 21.10.2022) 7. Visual Studio Code Docs URL: https://code.visualstudio.com/docs (дата звернення: 22.10.2022) 8. API URL: https://en.wikipedia.org/wiki/API docs (дата звернення: 22.10.2022) 9. The Python Language Reference URL: https://docs.python.org/3/reference/index.html#the-python-language-reference (дата звернення: 23.10.2022) 10. Regression analysis URL: https://en.wikipedia.org/wiki/ Regression_analysis (дата звернення: 28.10.2022) 11. Skforecast Docs URL: https://joaquinamatrodrigo.github.io/skforecast /0.4.3/index.html (дата звернення: 01.11.2022) 12. Matplotlib 3.6.2 documentation URL: https://matplotlib.org/stable/index.html (дата звернення: 05.11.2022) 13. CryptoCMD documentation URL: https://pypi.org/project/cryptocmd/ (дата звернення: 08.11.2022)53 14. Aiogram Docs URL: https://docs.aiogram.dev/en/latest/ (дата звернення: 09.11.2022) 15. Welcome to LightGBM’s documentation URL: https://pypi.org/project/cryptocmd/ (дата звернення: 11.11.2022) 16. Binance API documentation URL: https://binance- docs.github.io/apidocs/spot/en/#change-log (дата звернення: 13.11.2022) 17. Авторегресійні моделі прогнозування URL: https://helpiks.org/4- 108320.html (дата звернення: 14.11.2022) 18. 12 Popular Candlestick Patterns Used in Technical Analysis URL: https://academy.binance.com/en/articles/beginners-candlestick-patterns (дата звернення: 15.11.2022) 19. Stochastic RSI Explained URL: https://academy.binance.com/en/articles/stochastic-rsi-explained (дата звернення: 18.11.2022) 20. Arvind Narayanan. «Bitcoin and Cryptocurrency Technologies: A Comprehensive Introduction» Princeton University Press. 2016 – 304 c. 21. Ivan Nunes da Silva. «Artificial Neural Networks: A Practical Course» Springer. 2017. – 307 c |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 123 — комп’ютерна інженерія |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Авторська_довідка_Артемук.docx | 19,66 kB | Microsoft Word XML | Переглянути/відкрити | |
| Кваліфікаційна робота.pdf | 1,49 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора