Розроблення програмного та алгоритмічного забезпечення для прогнозування курсу криптовалют з використанням методів фрактального аналізу

У роботі створено програмне та алгоритмічне забезпечення для моделювання та прогнозування криптовалюти Bitcoin з використанням фрактальної моделі ARFIMA (AutoRegressive Fractionally Integrated Moving Average). Проведено аналіз моделей прогнозування часових рядів (авторегресійні, фрактальні).  Також  проведено   підбір найбільш відповідних параметрів обраної фрактальної моделі для максимізації точності з огляду на метрику RMSE. Проаналізовані ряди на наявність тренду, сезонності, білого шуму, нестаціонарності та довготривалої пам’яті. Досліджено показники Херста та адаптовано алгоритм вибору оптимального параметра d фрактального диференціювання моделі ARFIMA. Обґрунтовано вибір програмних засобів для реалізації алгоритмів та моделей прогнозування за допомогою мови програмування Python версії 3.6.5 з використанням бібліотек pandas версії 1.1.3 та numpy версії 1.19.2. Для того, щоб прогнозувати часові ряди, була використана мова програмування R версії 4.1.3, разом з бібліотеками forecast версії 8.16 та arfima версії 1.8.0. Здійснено програмну реалізацію фрактальної моделі ARFIMA. Перенесено застосунок на хмарний сервіс Google Colab із використанням сховища Google Drive для зберігання даних та результатів прогнозування. Отримано результати порівняння ефективності створеної фрактальної моделі з такою ж моделлю, що має автоматичний підбір параметрів, а також з найбільш відповідною авторегресійною моделлю на різних розмірах тренувальних та тестових даних. Встановлено, що більша кількість даних як тренувальних, так і тестових однозначно посилює перевагу фрактальних моделей, оскільки в даному випадку наявний тривалий ефект, тобто яскраво виражена довга пам’ять в розглянутому часовому ряді.