Аналітична система аналізу ринку криптовалют

Abstract

Актуальність теми. Ринок криптовалют є однією з найінноваційніших і водночас найдинамічніших сфер сучасної цифрової економіки. За останнє десятиліття криптовалюти еволюціонували від експериментального фінансового інструменту до глобальної платформи для зберігання вартості, інвестування та електронних транзакцій. Проте така популярність супроводжується високою волатильністю, нестабільністю цінових трендів і значним впливом інформаційного середовища. Для ефективного аналізу подібних ринків необхідно обробляти великі обсяги даних, що постійно оновлюються, отримані з відкритих джерел — насамперед через програмні інтерфейси (API) криптобірж. Традиційні методи аналітики не здатні своєчасно реагувати на зміни ринку, тому актуальним є створення аналітичної системи, яка автоматизує збір, обробку, аналіз і візуалізацію даних про криптовалютні активи. Розробка подібної системи дозволить підвищити ефективність прийняття управлінських і інвестиційних рішень, зменшити ризики та своєчасно виявляти ринкові тенденції. Використання сучасних технологій машинного навчання та інтерактивної візуалізації забезпечує нову якість аналітичного підходу до прогнозування динаміки криптовалют. Об’єкт дослідження — процеси збору, обробки, аналізу та візуалізації даних ринку криптовалют. Предмет дослідження — методи, алгоритми та програмні засоби побудови аналітичної системи аналізу ринку криптовалют із використанням технологій машинного навчання та інтерактивної візуалізації. Мета дослідження — розробити аналітичну систему збору, обробки та прогнозування даних ринку криптовалют на основі даних, які можна отримати з відкритих API криптобірж. Завдання дослідження: 1. Які методи збору даних про ринок криптовалют є найбільш придатними для побудови аналітичної системи? 2. Які способи попередньої обробки забезпечують якісну підготовку даних до аналізу та візуалізації? 3. Які інструменти та методи візуалізації найкраще відображають динаміку та закономірності ринку криптовалют? 4. Яким чином інтерактивна візуалізація може підвищити ефективність аналітичної системи та підтримати прийняття управлінських і інвестиційних рішень? Методи дослідження. У роботі застосовано методи системного аналізу, математичної статистики та машинного навчання для обробки великих масивів фінансових даних. Використано алгоритми Random Forest, Gradient Boosting та лінійної регресії для прогнозування цінових показників. Для реалізації програмної частини застосовано мову Python і бібліотеки pandas, NumPy, scikit-learn, Matplotlib, Seaborn і Dash. Створення серверної частини веб-додатку здійснюється за допомогою фреймворку Flask. Наукова новизна. У роботі запропоновано концепцію аналітичної системи, яка поєднує автоматизований збір даних з відкритих API криптобірж, алгоритми машинного навчання для прогнозування цінових трендів та інтерактивну візуалізацію результатів. Вперше реалізовано поєднання технологій Flask і Dash для відображення прогнозних моделей у режимі реального часу. Запропоновано методику оцінки точності прогнозування на основі метрик MSE та R². Апробація результатів. Результати дослідження апробовано на засіданнях кафедри комп’ютерних наук факультету інформаційних технологій НУБіП України та під час підготовки постерної доповіді на конференції «Інформаційні технології: економіка, техніка, освіта — 2025». Структура роботи. Магістерська кваліфікаційна робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. У першому розділі проведено системний аналіз предметної області ринку криптовалют, у другому — досліджено методи попередньої обробки даних, у третьому — розроблено архітектуру системи та аналітичні модулі, у четвертому — подано результати дослідження й інтерактивну візуалізацію. Загальний обсяг роботи становить 85 сторінок, містить 16 рисунків, 1 таблицю і 23 найменувань у списку використаних джерел, а також оформлені додатки А - В.