Doctor of Physical and Mathematical Sciences, Lecturer of Department of Mathematics
The paper proposes a trading strategy for investing in the cryptocurrency market that uses instant market entries based on additional sources of information in the form of a developed dataset. The task of predicting the moment of entering the market is formulated as the task of classifying the trend in the value of cryptocurrencies. To solve it, ensemble models and deep neural networks were used in the present paper, which made it possible to obtain a forecast with high accuracy. Computer analysis of various investment strategies has shown a significant advantage of the proposed investment model over traditional machine learning methods.
В работе предлагается торговая стратегия инвестирования в рынок криптовалют, использующая мгновенные входы на рынок на основе дополнительных источников информации в виде разработанного набора данных. Задача прогнозирования момента входа на рынок формулируется как задача классификации тренда стоимости криптовалют. Для её решения в статье использовались ансамблевые модели и глубокие нейронные сети, что позволило получить прогноз с высокой точностью. Компьютерный анализ различных инвестиционных стратегий показал значительное преимущество предложенной модели инвестирования перед традиционными методами машинного обучения.