Кафедра інформатики та системології
Permanent URI for this collection
Browse
Browsing Кафедра інформатики та системології by Author "Derbentsev, Vasil"
Now showing 1 - 5 of 5
Results Per Page
Sort Options
Item StartUp: «білий чи чорний лебідь»(ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2016) Дербенцев, Василь Джоржович; Derbentsev, Vasil; Дербенцев, Василий Джорджевич; Даценко, Наталія Володимирівна; Datsenko, Nataliia; Даценко, Наталия ВладимировнаItem Застосування методів машинного навчання до прогнозування часових рядів криптовалют(ДВНЗ «Київський національний університет імені Вадима Гетьмана», 2019) Дербенцев, Василь Джоржович; Derbentsev, Vasil; Дербенцев, Василий Джорджевич; Великоіваненко, Галина Іванівна; Velykoivanenko, Halyna; Великоиваненко, Галина Ивановна; Даценко, Наталія Володимирівна; Datsenko, Nataliia; Даценко, Наталия ВладимировнаРобота присвячена питанням прогнозування короткострокової динаміки часових рядів криптовалют за допомогою методів машинного навчання (ML). Проаналізовано методологічні засади, переваги та недоліки використання ML-алгоритмів при дослідженні фінансових часових рядів.Проведено прогнозні розрахунки динаміки трьох найбільш капіалізованих криптовалют (Bitcoin, Ethereum, Ripple) на 90-денний часовий горизонт як за допомогою запропонованого методу бінарного авторегресійного дерева (BART), так і звикористанням нейронних мереж (багатошарового персептрону, MLP) та ансамблю моделей дерев регресії та класифікації (випадковий ліс, RF). Перевагою побудованих моделей є те, що їх застосування не накладає жорстких обмежень на статистичні властивості досліджуваних часових рядів, при цьому в якості предикторів використовуються лише минулі значення цільової змінної. Проведено порівняльний аналіз прогностичних властивостей побудованих моделей, згідно з яким усі моделів цілому достатньо адекватно описують динаміку досліджуваних криптовалют, при цьому похибки прогнозу цін за середньою абсолютною процентною похибкою (MAPE) для моделей BART та MLP склали в середньому 3,5%, а для моделі RF—в межах 5%.Проведені комп’ютерні експерименти підтвердили доцільність застосування розглянутих ML моделей для задач короткострокового прогнозування фінансових часових рядів. Побудовані моделі та їх ансамблі можуть бути покладені в основу алгоритмів для автоматизованих торгових систем, призначених для інтернет-трейдінгу. This paper is devoted to the problems of the short-term forecasting cryptocurrencies time series using machine learning approach. The methodological principles, advantages and disadvantages of using ML-algorithms in the study offinancial time series are analyzed.The 90-day time horizon of the three most capitalized crypto-currencies (Bitcoin, Ethereum, Ripple) dynamics has been estimated both using the proposed Binary Autoregressive Tree model (BART), and Neural Networks(Multilayer Perceptron, MLP) and an ensemble of Classification and Regression Trees models (Random Forest, RF). The built models have such advantages as their application does not impose strict limitation on the statistical properties of the studied time series,with only past values of the target variable being used as predictors. Comparative performance of the predictive ability of the constructed models is carried out, according to which all the models adequately describe the dynamics of the cryptocurrencies. Price forecast errors calculated by the MAPE for the BART and MLP models were on average 3.5%, and for RF model—within 5%.Computer experiments have confirmed the feasibility of using proposedML-models for the short-term forecasting of financial time series. The constructed models and their ensembles can become the basis for the algorithms for automated trading systems for online trading. Работа посвящена вопросам прогнозирования краткосрочной динамики временных рядов криптовалют с помощью методов машинного обучения (ML). Проанализированы методологические основы, преимущества и недостатки использования ML-алгоритмов при исследовании финансовых временных рядов. Проведены прогнозные расчеты динамики трех наиболее капитализированных криптовалют (Bitcoin, Ethereum, Ripple) на 90-дневный временной горизонт как с помощью предложенного метода бинарного авторегрессионного дерева (BART), так и с использованием нейронных сетей (многослойного персептрона, MLP) и ансамбля моделей деревьев регрессии и классификации (случайный лес, RF). Преимуществом построенных моделей является то, что их применение не накладывает жестких ограничений на статистические свойства изучаемых временных рядов, причем в качестве предикторов используются только предыду-щие значения целевой переменной.Проведен сравнительный анализ прогностических свойств построенных моделей, согласно которому все модели в целом достаточно адекватно описывают динамику исследуемых криптовалют, при этом ошибки прогноза цен, рассчитанные по средней абсолютной процентной погрешности (MAPE), для моделей BART и MLP составили в среднем 3,5%, а для модели RF—в пределах 5%. Проведенные компьютерные эксперименты подтвердили целесообразность применения рассмотренных ML моделей для задач краткосрочного прогнозирования финансовых временных рядов. Построенные модели и их ансамбли могут быть положены в основу алгоритмов для автоматизированных торговых систем, предназначенных для интернет-трейдинга.Item Моніторинг стану часових рядів валютних котирувань з використанням рядів Фур’є(ДВНЗ «Київський національний університет імені Вадима Гетьмана», 2019) Дербенцев, Василь Джоржович; Derbentsev, Vasil; Дербенцев, Василий Джорджевич; Овчаренко, Андрій Анатолійович; Ovcharenko, А.; Овчаренко, Андрей Анатольевич; Безкоровайний, Віталій Сергійович; Bezkorovainyi, V. S.; Безкоровайный, Виталий СергеевичРобота присвячена питанням можливості застосування рядів Фур’є для аналізу часових рядів валютних котирувань у режимі реального часу. При використанні технічного аналізу стану валютних ринків коливання валютних котирувань, що відображені у графіках, мають дві складові. Перша складова — хвилі або тренди зростання або зниження, які змінюють один одного. Друга складова — це так званий «шум», незначні, у порівнянні з трендами, коливання, які можуть бути спричинені короткостроковими чинниками фундаментального характеру. Основою прийняття рішень на валютному ринку є аналіз трендових коливань валютних котирувань, але наявність шуму призводить до похибок у прогнозах, у результаті чого трейдери та інвестори мають збитки. Тому, в нашій роботі запропоновано коливання валютних котирувань порівнювати з цифровим сигналом, який має також дві складові — корисну частоту та шум. Одним з підходів до розв’язання даної проблеми ґрунтується на апараті цифрової обробки сигналів, а саме аналізі Фур’є, який складає основу багатьох методів, що застосовуються для визначення складових частот. У роботі наведено математичну модель і приклад програмного коду швидкого перетворення Фур’є на мові програмування MQL 4. Проілюстровано результати роботи алгоритму швидкого перетворення Фур’є на часовому ряді валютних котирувань євро та долара США, а також на індексі відносної сили (RSI). Також у програмній реалізації було використано дискретне косинус-перетворення, дискретне синус-перетворення та дійсне дискретне перетворення Фур’є. Визначені особливості реалізації перетворення Фур’є у різних версіях мови програмування MQL. Запропонований у роботі підхід до аналізу валютних котирувань і його програмна реалізація можуть бути використані в роботі автоматизованих біржових торгових систем як складова системи моніторингу ринку. This paper is devoted to the possibility of using Fourier analysis to currency exchange rates time series in real time. When using the technical analysis of the state of the foreign exchange markets, the fluctuations of the exchange rates quotations, which are shown in the charts, have two components. The first component is the waves or trends of growth or falls that change each other. The second one is the so-called «noise», small, relative to trends, fluctuations that can be caused by short-term factors of a fundamental nature. The basis of decision-making in the foreign exchange market is to analyze the trend fluctuations in foreign exchange quotes, but the presence of noise leads to errors in forecasts, causing traders and investors to suffer losses. Therefore, in our work it is proposed to compare fluctuations in currency quotes with a digital signal, which also has two components — useful frequency and noise. One approach to solving this problem is based on the digital signal processing technique, namely the Fourier analysis, which forms the basis of many of the methods used to determine the frequency components. The paper presents a mathematical model and an example of the program code of the fast Fourier transform in the programming language MQL 4. The results of the Fourier transform algorithm on the time series of Euro and US dollar currency exchange and on the Relative Strength Index (RSI) are illustrated. The software implementation also used discrete cosine transformations, discrete sine transforms, and real numbers discrete Fourier transforms. The features of the implementation of the Fourier transform in different versions of the MQL programming language are analyzed. The proposed approach to the analysis of currency quotations and its software implementation can be used in the work of automated exchange trading systems as part of the market monitoring system.Item Системний аналіз стану та динаміки Світ-системи(ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2016) Шарапов, Олександр Дмитрович; Sharapov, Oleksandr; Шарапов, Александр Дмитриевич; Дербенцев, Василь Джоржович; Derbentsev, Vasil; Дербенцев, Василий Джорджевич; Куліда, Вікторія Іванівна; Kulida, Viktoriia; Кулида, Виктория ИвановнаItem Спектральний аналіз середньо- та довгострокових економічних циклів(ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2021) Дербенцев, Василь Джоржович; Derbentsev, Vasil; Дербенцев, Василий Джорджевич; Овчаренко, Андрій Анатолійович; Ovcharenko, Andrii; Овчаренко, Андрей Анатольевич; Луняк, Ірина Вікторівна; Luniak, Iryna; Луняк, Ирина ВикторовнаРобота присвячена питанням дослідження та ідентифікації середньо- та довгострокових економічних циклів. Дослідження особливостей циклічного розвитку економіки, у тому числі за допомогою статистичних методів і моделей, є однією з необхідних складових для розробки адекватних антициклічних заходів щодо регулювання економічного розвитку як на макро-, так і на мезорівні. Однією з проблем дослідження економічних циклів, зокрема довгострокових, є вибір адекватного методу, за допомогою якого можливо виявити та пояснити природу економічного циклу за наявними статистичними даними, що в подальшому є основою для здійснення прогнозу майбутньої економічної динаміки. Окрім цього відкритими лишаються питання щодо визначення тривалості циклів Жугляра, Кузнеця, Кондрат’єва. З цією метою в роботі було проведено спектральний аналіз часових рядів ВВП на душу населення для Англії, США та Франції за період з 1820 по 2016 рр. Для забезпечення стаціонарності ми перетворили вихідні часові ряди у темпи приросту (рік до попереднього року). Окрім цього ряди було згладжено ковзною середньою 5-го порядку. Застосування ковзних середніх різних порядків дозволяє позбутися високочастотного шуму. У результаті проведення спектрального аналізу побудовано графіки періодограм і спектрограм для Англії, США та Франції, що є основою для ідентифікації та визначення тривалості економічних циклів. Згідно одержаних результатів для усіх трьох країн найчіткіше ідентифікуються середньострокові економічні цикли. При цьому для європейських країн (Англії та Франції) найбільш значущими виявилися цикли Жугляра (9–14 років), а для США — цикли Кузнеця (18–28 років). Що стосується довших циклів 38–55 років, то відповідні їм гармоніки хоча і присутні в спектральному розкладі, але мають менші амплітуди (особливо для США), що не дозволяє однозначно їх ідентифікувати. This paper is devoted to research and identification of medium- and long-term economic cycles. The study of the peculiarities of cyclical economic development by using statistical approaches is one of the necessary components for the countercyclical regulation of the economy at the macro and meso levels. One of the problems of studying economic cycles, in particular long-term ones, is the choice of an adequate method by using which it is possible to identify and explain the nature of the economic cycle according to available statistical data. This is the basis for forecasting future economic dynamics. In addition, the questions of determining the duration of the cycles of Juglar, Kuznets, Kondratieff remain unresolved. For this purpose the paper conducted a spectral analysis of time series of GDP per capita for England, the United States and France for the period from 1820 to 2016. To ensure stationarity, we converted the original time series into growth rates (year to previous year). In addition, all time series were smoothed by a moving average of the 5th order. The use of moving averages of different orders allows to get rid of high-frequency noise. As a result of the spectral analysis, the charts of the periodogram and the spectrogram for England, the USA and France were received, which are the basis for identifying and evaluating the period of economic cycles. The well-known results for all three countries are the most clearly identifiable medium-term economic cycles. At the same time, for the European countries (England and France), Juglar’s cycles (9-14 years) were the most significant, and for the USA — Kuznets’ cycles (18-28 years). For the long waves (38-55 years), the harmonics have a lower amplitude in the spectral decomposition (especially for the USA), which does not allow clear to identify them.