Програмний модуль класифікації станів фінансового ринку з використанням методів штучного інтелекту

Abstract

Метою кваліфікаційної роботи є розробка та програмна реалізація програмного модуля для автоматизованої класифікації станів фінансового ринку на основі даних криптовалютних бірж із використанням методів штучного інтелекту та формування рекомендацій щодо прийняття торгових рішень. Методами дослідження є методи системного аналізу, машинного навчання, математичної статистики, аналізу часових рядів, технології обробки фінансових даних та методи об’єктно-орієнтованого проєктування програмного забезпечення. Внаслідок виконання роботи розроблено архітектуру програмного модуля для збору, обробки та аналізу фінансових даних із криптовалютних бірж. Реалізовано підсистему автоматизованого отримання ринкових даних через API, модуль формування простору ознак на основі показників мікроструктури ринку та алгоритмів Smart Money Concepts, а також підсистему класифікації станів ринку з використанням алгоритму градієнтного бустингу XGBoost. Для зберігання та обробки даних використано систему керування базами даних PostgreSQL. Проведено навчання, тестування та оцінювання моделі машинного навчання за допомогою сучасних метрик класифікації. Розроблений програмний продукт є готовою до використання інформаційною системою для аналізу фінансових ринків, яка може застосовуватись трейдерами та фінансовими аналітиками для автоматизованого виявлення ринкових тенденцій, фаз накопичення, маніпуляцій та змін структури ринку з метою підтримки прийняття рішень.

The aim of the qualification work is to develop and implement a software module for automated classification of financial market states based on cryptocurrency exchange data using artificial intelligence methods and to generate recommendations for supporting trading decision-making. Research methods include system analysis, machine learning methods, mathematical statistics, time series analysis, financial data processing technologies, and object-oriented software design. As a result of the research, the architecture of a software module for collecting, processing, and analyzing financial data from cryptocurrency exchanges was developed. A subsystem for automated acquisition of market data via exchange APIs, a feature engineering module based on market microstructure indicators and Smart Money Concepts algorithms, as well as a market state classification subsystem using the XGBoost gradient boosting algorithm were implemented. PostgreSQL was used as the database management system for data storage and processing. The machine learning model was trained, tested, and evaluated using modern classification performance metrics. The developed software product is a ready-to-use information system for financial market analysis that can be used by traders and financial analysts to automatically identif market trends, liquidity manipulations, and structural changes, improving the effectiveness and objectivity of trading decisions.