Науковий вісник Одеського національного економічного університету 2020, 3-4 (276-277), 153-163
Моделювання короткострокової динаміки валютних курсів з використанням глибоких нейронних мереж
Дербенцев Василь Джоржович
кандидат економічних наук, професор кафедри ін-форматики та системології, Київський національний економічний університет імені Вади-ма Гетьмана, м. Київ, Україна, e-mail: derbv@kneu.edu.ua, ORCID ID: https://orcid.org/0000-0002-8988-2526
Безкоровайний Віталій Сергійович
асистент кафедри інформатики та системології, Київський національний економічний університет імені Вадима Гетьмана, м. Київ, Україна, e-mail: retal.vs@kneu.edu.ua, ORCID ID: https://orcid.org/0000-0002-4998-8385
Овчаренко Андрій Анатолійович
старший викладач кафедри інформатики та сис-темології, Київський національний економічний університет імені Вадима Гетьмана, м. Київ, Україна, e-mail: ov_andrei@i.ua, ORCID ID: https://orcid.org/0000-0002-0729-4369
Цитувати статтю:
Дербенцев В. Д., Безкоровайний В. С., Овчаренко А. А. Моделювання короткострокової динаміки валютних курсів з використанням глибоких нейронних мереж. Науковий вісник Одеського національного економічного університету: зб. наук. праць; за ред.: Д.В. Завадська (голов. ред.). (ISSN 2409-9260). Одеса: Одеський національний економічний університет.2020.№ 3-4(276-277).С.153-163.
Анотація
Робота присвячена питанням короткострокового прогнозування валютних курсів за допомогою моделей глибокого навчання. З цією метою було побудовано модель глибокого навчання на основі синтезу нейронних мереж загорткового (CNN) та рекурентного (RNN) типу. Згорткова мережа виконує функцію вилучення ознак, а рекурентна мережа на основі моделі «довготривалої короткочасної пам’яті» (LSTM) здійснює безпосередньо прогноз. Проведено прогнозні розрахунки динаміки котирувань для валютних пар євро/долар (EUR/USD) та британського фунту (GBP/USD), а також для двох найбільш капіталізованих криптовалют (біткоіна – BTC/USD та ефіріума – ETH/USD) з використанням щоденних та чотиригодинних спостережень. Проведені комп’ютерні експерименти підтвердили перспективність застосування моделей глибокого навчання для задач короткострокового прогнозування часових рядів як фіатних, так і криптовалют.
Ключові слова
глибоке навчання, нейронні мережі, короткострокове прогнозування, часові ряди валютних котирувань, криптовалюти.
JEL classification: G170; DOI: 10.32680/2409-9260-2020-3-4-276-277-153-163
УДК: 004.942:[336.743]:519.868
Література
- Международная практика прогнозирования мировых цен на финансовых рынках(сырье, акции, курсы валют) / под ред. Я.М. Миркина. Москва: Магистр, 2014. 456 с.
- Persio, L., Honchar, O. Multitask machine learning for financial forecasting. International Journal of Circuits, Systems and Signal Processing. 2018. Vol. 12. P. 444–451.
- В.Д. Дербенцев, Г.І. Великоіваненко, Н.В. Даценко. Застосування методів машинного навчання до прогнозування часових рядів криптовалют. Нейро-нечіткі технології моделювання в економіці. 2019. № 8. С. 65-93.
- Hamid, S.A., Habib, A. Financial forecasting with neural networks. Academy of Accounting and Financial Studies Journal. 2014. Vol. 18(4). P. 37-55.
- Hitam, N.A., Ismail, A.R. Comparative Performance of Machine Learning Algorithms for Cryptocurrency Forecasting. 2018. URL: https://www.researchgate.net/ publication/327415267 (дата звернення: 01.12.2020).
- Bahrammirzaee, A. A comparative survey of artificial intelligence applications in finance: artificial neural networks, expert system and hybrid intelligent systems. Neural Comput. Appl. 2010. Vol. 19(8), P. 1165–1195.
- Sezer O.B., Gudelek M.U., Ozbayoglu A.M. Financial time series forecasting with deep learning: A systematic literature review: 2005–2019. Applied Soft Computing. 2020. Vol. 90. Article number 106181.
- Дербенцев В.Д., Безкоровайний В.С., Луняк І.В. Застосування методів глибокого навчання до прогнозування зміни короткострокових трендів валютних курсів. Науковий вісник Мукачівського державного університету. Секція: економіка. 2020. № 7(2). С. 75-86.
- Kumar, D., Rath, S.K.: Predicting the Trends of Price for Ethereum Using Deep Learning Technique, in: Artif. Intell. Evol. Comput. Eng. Syst., pp. 103–114, Springer (2020)
- Saxena, A., Sukumar, T. Predicting bitcoin price using LSTM and compare its predictability with ARIMA model. International Journal of Pure and Applied Mathematics. 2018. Vol. 119(17). P. 2591-2600.
- Livieris, I.E., Pintelas, E., Stavroyiannis, S., & Pintelas, P. Ensemble deep learning models for forecasting cryptocurrency time-series. Algorithms. 2020. Vol. 13(5), article number 121.
- Bao W, Yue J, Rao Y A deep learning framework for financial time series using stacked autoencoders and long-short term memory. PLoS ONE. 2017. Vol. 12(7): e0180944. doi: https://doi.org/10.1371/journal.pone.0180944