Investavimo skaitmeninių valiutų rinkoje naudojant giliojo mokymosi algoritmus tyrimas

Abstract

Baigiamajame magistro darbe nagrinėjama sprendimo priėmimo, investuojant skaitmeninių valiutų rinkoje, problema. Darbo tikslas – pasiūlyti investavimo skaitmeninių valiutų rinkoje paramos sistemą, pritaikant giliojo mokymosi algoritmą. Pirmoje dalyje analizuojamas skaitmeninių valiutų apibrėžimas, rinkos raidos aspektai, mokslinė literatūra, susijusi su skaitmeninių valiutų vertinimu, prognozavimu ir investavimo sprendimų priėmimu. Metodinėje tyrimo dalyje pateikiama tyrimo struktūra, TOPSIS metodo ir LSTM algoritmo žingsniai ir pagrindinės formulės ir skaitinės charakteristikos reikalingos sudaryti ir įvertinti investicijų portfelį. Praktinėje dalyje atliekamas daugiakriteris skaitmeninių valiutų vertinimas, istorinių duomenų prognozavimas, sudaromi vienodų svorių portfeliai, įvertinami taikomi metodai, kuriais remiantis sudaromas investavimo paramos sistemos modelis. Gauti rezultatai apibendrinami, pateikiamos išvados ir pasiūlymai. Darbą sudaro: įvadas, trys pagrindinės darbo dalys: skaitmeninių valiutų, kaip investavimo objekto teorinė analizė, investavimo skaitmeninių valiutų rinkoje tyrimo metodika ir skaitmeninių valiutų vertės nustatymo ir kainų prognozavimo tyrimas, išvados ir siūlymai, literatūros sąrašas. Darbo apimtis – 66 p. teksto be priedų, 14 iliustr., 10 lent., 79 bibliografiniai šaltiniai. Atskirai pridedami darbo priedai.

The main problem analysed in the master’s thesis is improvement of investment decision process in the digital currency market. The aim of the work is to suggest decision support system for investing in digital currency market which would be based on deep learning algorithm. In the first part of the work analysis the definition of digital currency, market development aspects, scientific literature related to digital currency valuation, forecasting and investment decision making. Methodological part of the research presents the structure of the research, main steps of TOPSIS method and LSTM algorithm and the main formulas to form and evaluate investment portfolio. In the practical part the multi-criteria valuation method is used to rank digital currencies. Secondly forecasting of historical prices with LSTM algorithm is performed and equal weight portfolios computed. Lastly evaluation of proposed methods for the decision support system is presented. Obtained results are summarized, conclusions and suggestions are presented. Structure: introduction, three main parts of the work: theoretical analysis of digital currencies as an investment object, research methodology of investment in the digital currency market and the research of digital currency valuation and price forecasting, conclusions and suggestions, references. Thesis consist of: 66 p. text without appendixes, 14 pictures, 10 tables, 79 bibliographical entries. Appendixes included.