БЕЗПЕКООРІЄНТОВАНЕ ПРОГНОЗУВАННЯ ФІНАНСОВИХ ТРЕНДІВ НА КРИПТОВАЛЮТНОМУ РИНКУ З ВИКОРИСТАННЯМ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ

Анотація

У статті досліджується безпекоорієнтований підхід до прогнозування фінансових трендів на криптовалютному ринку із застосуванням моделей машинного навчання. Висока нестабільність цифрових активів створює загрози для соціоекономічної стабільності, що потребує нових інструментів підтримки прийняття рішень у режимі невизначеності та ризику. Метою дослідження є побудова ефективних моделей прогнозування курсів криптовалют, здатних забезпечити точні короткострокові прогнози для зменшення ризиків у фінансових операціях. Для цього використано гребеневу та лассо-регресії, а також модель довготривалої короткочасної пам’яті (LSTM). Проведено порівняльний аналіз ефективності моделей на даних криптовалют BTC, ADA і USDT за період 2020–2024 років. Найвищу точність показала модель LSTM після оптимізації гіперпараметрів методом grid search. Отримані результати можуть бути інтегровані в системи моніторингу та прогнозування як елемент безпекоорієнтованого прийняття рішень у соціоекономічних системах..