Система моделей оцінювання та прогнозування інноваційних фінансових інструментів (на прикладі криптовалют)

Даценко, Наталія Володимирівна; Datsenko, Nataliia; Даценко, Наталия Владимировна

Система моделей оцінювання та прогнозування інноваційних фінансових інструментів (на прикладі криптовалют)

Files

aref_Datsenko.pdf (752.64 KB)

Date

2019-11-01

Authors

Даценко, Наталія Володимирівна

Datsenko, Nataliia

Даценко, Наталия Владимировна

Publisher

ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана»

Abstract

Дисертація присвячена подальшому розвитку теоретичних засад та розробці інструментарію моделювання та прогнозування динаміки інноваційних фінансових інструментів на прикладі криптовалют. У дисертаційній роботі визначено роль та місце криптовалют на сучасному етапі розвитку світової економіки, уточнено категоріальний апарат та економічну сутність дефініції «криптовалюта», розроблено таксономію криптовалют на підставі їх технологічних та криптографічних властивостей. Запропоновано концептуальний підхід до оцінювання та короткострокового прогнозування криптоактивів на основі міжгалузевого стандарту організації інтелектуального аналізу даних CRISP-DM. Розроблено алгоритм бінарного авторегресійного дерева, який дозволяє здійснювати кусково-лінійну апроксимацію фазового простору вхідних лагових змінних та будувати власну авторегресійну модель для кожного сегменту. Здійснено чисельну оцінку горизонту прогнозу із використанням фрактального та ентропійного аналізу та проведено модельні прогнозні розрахунки динаміки часових рядів криптовалют як із використанням моделей BART, так і моделей сімейства ARIMA-ARFIMA. Проведене теоретичне та експериментальне дослідження засвідчило адекватність побудованих моделей та ефективність їх застосування з метою підтримки і прийняття управлінських рішень на крипторинку. The dissertation is devoted to the further development of theoretical basis and experimental tools for modeling and forecasting dynamics of innovative financial assets (cryptocurrencies). The thesis is defined the role and place of cryptocurrencies in the current level of the world economy progress, clarifies the categorical apparatus and economic essence of the definition of «cryptocurrency», developed taxonomy of cryptocurrencies on the basis of their technological and cryptographic properties. A conceptual approach to the evaluation and short-term forecasting of crypto-assets based on the CRISP-DM data mining inter-industry standard is proposed. The binary autoregression tree algorithm (BART) is proposed. This model performs piecewise linear approximation phase space and build an autoregressive model for each segment. Numerical estimation of the forecast horizon was calculated using fractal and entropy analysis, and cryptocurrencies time series forecasts were performed using BART and ARIMA-ARFIMA models. The conducted theoretical and experimental study showed the adequacy of the built models and the effectiveness of their application in order to support making decisionson on the crypto market. Диссертация посвящена дальнейшему развитию теоретических основ и разработке инструментария моделирования и прогнозирования динамики инновационных финансовых инструментов на примере криптовалют. В диссертационной работе определены роль и место криптовалют на современном этапе развития мировой экономики, уточнены категориальный аппарат и экономическая сущность дефиниции «криптовалюта», разработаны таксономия криптовалют на основании их технологических и криптографических свойств. Проанализированы преимущества и недостатки криптовалют по отношению к фиатным деньгам, рассмотрены правовые аспекты регулирования криптоактивов в Украине и за рубежем, перспективы и потенциальные угрозы использования криптовалют и технологии блокчейн. Предложен концептуальный подход к оценке и краткосрочному прогнозированию криптоактивов на основе межотраслевого стандарта организации интеллектуального анализа данных CRISP-DM, который является документированной и свободно распространенной моделью описания основных фаз, выполнение которых позволяет исследователям получить синергетический эффект от использования методов интеллектуального анализа данных, математического и компьютерного моделирования. Проведенный в работе анализ модельного инструментария анализа и прогнозирования динамики криптовалют позволяет сделать вывод о перспективности применения методов машинного обучения (Machine Learning) в сочетании с моделями временных рядов ARIMA, а также с использованием фрактального и энтропийного анализа. Разработан алгоритм бинарного авторегрессионного дерева, который является обобщением моделей деревьев и классификаций. Предложенный алгоритм позволяет осуществлять кусочно-линейную аппроксимацию фазового пространства входных лаговых переменных и строить собственную авторегрессионную модель для каждого сегмента, при этом он лучше адаптирован для работы со скалярными и векторными временными рядами. Проведено численную оценку горизонта прогноза с применением фрактального и энтропийного анализа и проведены модельные прогнозные расчеты динамики временных рядов криптовалют как с использованием моделей BART, так и моделей семейства ARIMA-ARFIMA. В результате проведенного анализа было выяснено, что для большинства криптовалют этот горизонт составляет порядка 30 дней. Модельные эксперименты проводились как для 9 временных рядов криптовалют, так и 2-х классических активов (фондового индекса Nikkey и курса акций компании Apple), которые показали эффективность предложенного нами подхода к прогнозированию инновационных финансовых инструментов. Проведенное теоретическое и экспериментальное исследование показало адекватность построенных моделей и эффективность их применения с целью поддержки и принятия управленческих решений на крипторынке.

Keywords

інноваційні фінансові інструменти, криптовалюти, машинне навчання, дерева класифікацій та регресій, модель бінарного авторегресійного дерева, короткострокове прогнозування, фрактальний та ентропійний аналіз, горизонт прогнозу, innovative financial assets, cryptocurrencies, machine learning, classification and regression trees, binary autoregressive tree model, short-term forecasting, fractal and entropy analysis, forecast horizon, инновационные финансовые инструменты, криптовалюта, машинное обучение, деревья классификации и регрессий, модель бинарного авторегрессионного дерева, краткосрочное прогнозирование, фрактальный и энтропийный анализ, горизонт прогноза

Citation

Даценко Н. В. Система моделей оцінювання та прогнозування інноваційних фінансових інструментів (на прикладі криптовалют) : автореф. дис. ... канд. екон. наук : 08.00.11 / Даценко Наталія Володимирівна ; М-во освіти і науки України, ДВНЗ «Київ. нац. екон. ун-т ім. В. Гетьмана». – Київ, 2019. – 22 с.