СРАВНЕНИЕ МОДЕЛЕЙ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ ВОЛАТИЛЬНОСТИ ЦЕН КРИПТОВАЛЮТ В ТОРГОВЫХ ПАРАХ
Увеличение цифровизации финансовых рынков и рост торговых пар We b3 существенно повлияли на торговлю активами, создавая но-вые вызовы в прогнозировании волатильности цен. Традиционные стратегии управления рисками зачастую не справляются с непредсказуемой природой криптовалютных рынков. В данном исследовании рассматривается примене-ние передовых моделей машинного обучения для прогнозирования волатиль-ности цен в криптовалютных торговых парах. Мысравниваемэффективностьмоделей Temporal Fusion Transformer (TFT), Temporal Convolutional Network (TCN), XGBoost, Random Forest игибридноймодели CNN-LSTM. Наши результаты показывают, что модели TFT и гибридная CNN-LSTM превосходят традиционные рекуррентные нейронные сети в улавливании сложных рыночных динамик, способствуя улучшению стратегий управления рисками в высокочастотной торговле криптовалютами.
Сведения
- Опубликовано
- 2025 · Т. 6, № 2(22), С. 130-141
- Язык
- Русский
- ISSN
- 2708-2032 · 2708-2040
- Издатель
- International Information Technology University
- Аффилиации
- Международный университет информационных технологий, Алматы, Казахстан
Университет Сулейман Демиреля, Алматы, Казахстан.