Автоматизированная система прогнозирования цен криптоактивов многослойным персептроном ПЗ

• Номер работы:
  1710587
• Раздел:
  Все работы   →   Дипломные работы   →   Информационные технологии
• Год добавления:
  30.04.2026 г.
• Объем работы:
  92 стр.
• Содержание:
  ВВЕДЕНИЕ 3
  1 ПОСТАНОВКА ЗАДАЧИ И ОБОСНОВАНИЕ МЕТОДА РЕШЕНИЯ ЗАДАЧИ 7
  1.1 Описание предметной области и особенностей рынка криптоактивов 7
  1.2 Постановка задачи прогнозирования цен криптоактивов 11
  1.3 Анализ существующих методов прогнозирования и обоснование выбора реализуемого метода 14
  1.3.1 Классические методы анализа и прогнозирования временных рядов 14
  1.3.2 Технические индикаторы и признаки, применяемые при прогнозировании криптоактивов 18
  1.3.3 Применение искусственных нейронных сетей в задачах прогнозирования финансовых временных рядов 23
  1.3.4 Многослойный персептрон как инструмент прогнозирования цен криптоактивов 24
  1.4 Обзор систем-аналогов 27
  1.4.1 Биржевые и аналитические платформы, использующие прогнозные модели 27
  1.4.2 Научные и прикладные решения по прогнозированию цен BTC, ETH и SOL 31
  1.4.3 Выводы по результатам анализа систем-аналогов 34
  2 ПРОЕКТИРОВАНИЕ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МЕТОДА РЕШЕНИЯ ЗАДАЧИ 39
  2.1 Обоснование и выбор комплекса программных средств, языка программирования, среды разработки и источника данных 39
  2.1.1 Обоснование выбора языка программирования Python 39
  2.1.2 Обоснование выбора библиотек и фреймворков разработки 43
  2.1.3 Обоснование выбора открытого API Binance как источника данных 46
  2.1.4 Обоснование выбора средства проектирования системы 48
  2.2 Описание информационно-логической модели системы 49
  2.2.1 Диаграмма состояний 49
  2.2.2 Диаграмма вариантов использования 51
  2.2.3 Диаграмма классов 53
  2.2.4 Диаграмма деятельности 55
  2.2.5 Диаграмма последовательности 59
  2.3 Разработка алгоритмов функционирования системы 62
  2.3.1 Алгоритм получения исторических данных из API Binance 62
  2.3.2 Алгоритм предобработки данных и формирования признаков 63
  2.3.3 Алгоритм построения и обучения многослойного персептрона 67
  2.3.4 Алгоритм прогнозирования цен криптоактивов 71
  2.3.5 Алгоритм оценки качества прогнозирования 74
  2.4 Программная реализация автоматизированной системы 78
  2.4.1 Структура программного приложения 78
  2.4.2 Описание интерфейса пользователя 80
  2.4.3 Сценарий работы пользователя с системой 84
  СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 88
  
• Выдержка из работы:
  Некоторые тезисы из работы по теме Автоматизированная система прогнозирования цен криптоактивов многослойным персептроном ПЗ
  ВВЕДЕНИЕ
  
  Актуальность темы выпускной квалификационной работы обусловлена ростом значения криптоактивов как самостоятельного сегмента цифрового финансового рынка и усложнением задач, связанных с анализом их ценовой динамики. Криптоактивы характеризуются высокой волатильностью, непрерывным режимом торгов, зависимостью от информационного фона и значительным влиянием поведения участников рынка. В таких условиях прогнозирование изменения цены становится сложной прикладной задачей, поскольку динамика временного ряда часто имеет нелинейный, шумный и нестационарный характер. Использование автоматизированных систем на основе методов машинного обучения позволяет сократить объем ручной аналитической обработки, обеспечить воспроизводимость расчетов и повысить оперативность получения прогнозной оценки.
  …………………………………………………..
  1 ПОСТАНОВКА ЗАДАЧИ И ОБОСНОВАНИЕ МЕТОДА РЕШЕНИЯ ЗАДАЧИ
  
  1.1 Описание предметной области и особенностей рынка криптоактивов
  
  Предметной областью настоящей работы является процесс анализа и прогнозирования цен криптоактивов в условиях цифрового финансового рынка. Под криптоактивами в рамках исследования понимаются цифровые активы, обращающиеся в распределённых информационных системах и использующие криптографические методы для подтверждения операций, защиты данных и обеспечения целостности записей. Наиболее известными представителями данной категории выступают Bitcoin, Ethereum и Solana, однако в целом рынок включает значительно более широкий круг инструментов, различающихся по назначению, технологической архитектуре, уровню капитализации, ликвидности и инвестиционной привлекательности. Таким образом, рассматриваемая предметная область объединяет как особенности обращения самих цифровых активов, так и методы анализа данных, необходимых для построения прогностических моделей.
  Криптоактивы формируют самостоятельный сегмент финансового рынка, в котором операции купли-продажи осуществляются преимущественно на специализированных торговых платформах. В отличие от традиционных биржевых инструментов, обращение криптоактивов основано не на централизованном учёте, а на использовании технологий распределённого реестра. Это означает, что сведения о совершённых транзакциях хранятся в распределённой сети узлов, а изменение состояния системы происходит в результате согласования записей между участниками сети. Такая технологическая основа определяет особую природу криптоактивов как объектов анализа, поскольку их цена зависит не только от соотношения спроса и предложения, но и от параметров цифровой инфраструктуры, уровня доверия к проекту, активности пользователей сети и общего состояния криптовалютной экосистемы.
  .................................
  10. Тетерин М. А. Прогноз волатильности криптовалют с использованием Google Trends и GDELT / М. А. Тетерин // Экономическая политика. – 2025. – Т. 20. – № 4. – С. 82–117. – URL: https://library.cbr.ru/catalog/lib/article/1019547/ (дата обращения: 29.04.2026). – Текст : электронный.
  11. Шильцина Е. А. Применение машинного обучения для прогнозирования временных рядов / Е. А. Шильцина // Вестник науки. – 2025. – № 5(86). – Т. 2. – С. 953–960. – URL: https://www.xn----8sbempclcwd3bmt.xn--p1ai/article/22945 (дата обращения: 29.04.2026). – Текст : электронный.