Моделювання короткострокової динаміки валютних курсів з використанням глибоких нейронних мереж

Simple item page
dc.contributor.authorДербенцев, Василь Джоржови
dc.contributor.authorDerbentsev, Vasily
dc.contributor.authorДербенцев, Василий Джорджевич
dc.contributor.authorБезкоровайний, Віталій Сергійович
dc.contributor.authorBezkorovainyi, Vitalii
dc.contributor.authorБезкоровайный, Виталий Сергеевич
dc.contributor.authorОвчаренко, Андрій Анатолійович
dc.contributor.authorOvcharenko, Andrey
dc.contributor.authorОвчаренко, Андрей Анатольевич
dc.date.accessioned2021-09-24T09:32:08Z
dc.date.available2021-09-24T09:32:08Z
dc.date.issued2020
dc.description.abstractРобота присвячена питанням короткострокового прогнозування валютних курсів за допомогою моделей глибокого навчання. З цією метою було побудовано модель глибокого навчання на основі синтезу нейронних мереж загорткового (CNN) та рекурентного (RNN) типу. Згорткова мережа виконує функцію вилучення ознак, а рекурентна мережа на основі моделі «довготривалої короткочасної пам’яті» (LSTM) здійснює безпосередньо прогноз. Проведено прогнозні розрахунки динаміки котирувань для валютних пар євро/долар (EUR/USD) та британського фунту (GBP/USD), а також для двох найбільш капіталізованих криптовалют (біткоіна – BTC/USD та ефіріума – ETH/USD) з використанням щоденних та чотиригодинних спостережень. Проведені комп’ютерні експерименти підтвердили перспективність застосування моделей глибокого навчання для задач короткострокового прогнозування часових рядів як фіатних, так і криптовалют. This paper is devoted to the short-term predicting of exchange rates using Deep Learning approaches (DL). The undeniable advantage of using deep networks is their ability to find hidden complex nonlinear patterns in the data, as well as to identify influential factors (carry out automatic feature extraction). For this purpose, the DL models were built on the basis of Convolutional (CNN) and Recurrent (RNN) Neural Networks. The CNN block performs the function of feature extraction, and the RNN which based on the Long-term Short-term Memory (LSTM) performs the forecast. For parameters estimating and testing the models we used daily and four hourly observations of currencies Euro/Dollar, British pound/Dollar, and cryptocurrencies (Bitcoin and Ethereum) for the period from 02/01/2015 to 12/31/2020 according to the service Yahoo Finance. As input data, we used open prices (Open), minimum (Low), maximum (High), and close prices (Close) for the corresponding timeframe. In the experimental section we compared the performance of the designed models using both daily and four-hour data sets. The accuracy of the forecasting performance was assessed by the values of the Mean Absolute Percentage Error (MAPE), which allows comparing forecast errors for different assets and models. In addition, the Mean Square Error (MSE) and the Root Mean Square Error (RMSE) were also calculated. The highest accuracy (in the sense of the MAPE metrics) was for the EUR/USD – about 0.4% for both daily and for-hour data sets. More volatile GBP/USD quotes show a larger error on both daily and four-hour quotes. But in general, an increase in the number of observations in four-hour time series reduces the model error for EUR/USD and GBP/USD. The results of the cryptocurrencies forecast turned out to be less accurate: 5.9% and 8.5%, respectively. Our study showed the prospects of using DL networks such as CNN and LSTM to predicting the short-term exchange rates. According to obtained results proposed models provide an efficient forecast for both fiat and cryptocurrencies.uk_UA
dc.identifier.citationДербенцев В. Дж. Моделювання короткострокової динаміки валютних курсів з використанням глибоких нейронних мереж / Дербенцев В. Дж., Безкоровайний В. С., Овчаренко А. А. // Науковий вісник Одеського національного економічного університету : зб. наук. пр. / М-во освіти і науки України, Одес. нац. екон. ун-т, Всеукр. асоц. молодих науковців ; [редкол.: М. Д. Балджи (голов. ред.) та ін.]. – Одесса, 2020. – № 3–4. – С. 153–163.uk_UA
dc.identifier.issn2409-9260
dc.identifier.urihttps://ir.kneu.edu.ua:443/handle/2010/36502
dc.language.isoukuk_UA
dc.publisherОдеський національний економічний університетuk_UA
dc.subjectглибоке навчанняuk_UA
dc.subjectнейронні мережіuk_UA
dc.subjectкороткострокове прогнозуванняuk_UA
dc.subjectчасові ряди валютних котируваньuk_UA
dc.subjectкриптовалютиuk_UA
dc.subjectdeep learninguk_UA
dc.subjectneural networksuk_UA
dc.subjectshort-term forecastinguk_UA
dc.subjecttime series of currency quotesuk_UA
dc.subjectcryptocurrenciesuk_UA
dc.subject.udc004.942:[336.743]:519.868uk_UA
dc.titleМоделювання короткострокової динаміки валютних курсів з використанням глибоких нейронних мережuk_UA
dc.title.alternativeModeling of short-term dynamics of foreign exchange rates using deep neural networksuk_UA
dc.typeArticleuk_UA
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Derb_153-163.pdf
Size:
1.09 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Кафедра інформатики та системології