Сегментація ринку криптовалют за трендами вартості

Н. Е. Кондрук; М. О. Зінченко; О. І. Крічфалушій; Т. В. Пендлишак; М. О. Рябицька

doi:10.24144/2616-7700.2024.44(1).138-145

Автор(и)

Н. Е. Кондрук ДВНЗ «Ужгородський національний університет», Україна https://orcid.org/0000-0002-9277-5131
М. О. Зінченко ДВНЗ «Ужгородський національний університет», Україна https://orcid.org/0009-0008-3295-8199
О. І. Крічфалушій ДВНЗ «Ужгородський національний університет», Україна https://orcid.org/0009-0000-8728-674X
Т. В. Пендлишак ДВНЗ «Ужгородський національний університет», Україна https://orcid.org/0009-0007-2412-3776
М. О. Рябицька ДВНЗ «Ужгородський національний університет», Україна https://orcid.org/0009-0005-7829-578X

DOI:

https://doi.org/10.24144/2616-7700.2024.44(1).138-145

Ключові слова:

криптовалюта, кластеризація, k-means, метод ліктя, сегментація

Анотація

У сучасному свiтi ринок криптовалют постiйно еволюцiонує, вiдзначаючи значнi змiни та тренди, якi впливають на їхню вартiсть. Серед широкого спектру криптовалютних активiв стежити за цими трендами стає все складнiше та важливiше, оскiльки вони не лише вiдображають ринкову активнiсть, але i вказують на потенцiйнi можливостi та ризики для iнвесторiв та регуляторiв. Актуальнiсть задачi полягає в необхiдностi розумiння динамiки цього сектору, адаптування iнвестицiйних стратегiй до змiн у цiновiй динамiцi та попитi на рiзнi види криптовалют. В ходi роботи сформовано набiр даних рiчної вартостi 200 рiзновидiв криптовалют в несприятливому для розвитку криптовалютного ринку часовому перiодi. Проведено сегментацiю криптовалют за динамiкою вартостi криптовалютних активiв на основi лiнiй трендiв, моделей k-середнiх та “лiктя”. В результатi, визначено 7 кластерiв та описано їх змiстовну iнтерпретацiю. Проведений аналiз може допомогти розробити стратегiї управлiння ризиками та прийняття рiшень для iнвесторiв та учасникiв ринку криптовалют.

Посилання

Legalization of cryptocurrency: the bill was passed in the second reading. Word and Deed. Retrieved from https://www.slovoidilo.ua/2021/09/08/novyna/suspilstvo/lehalizacziyakryptovalyuty-zakonoproekt-uxvaleno-druhomu-chytanni

Bebeshko, B. (2022). Analysis of digital cryptocurrency market forecasting methods and models. Cybersecurity: Education, Science, Technique. 2(18), 163–174. https://doi.org/10.28925/2663-4023.2022.18.163174

Tripathy, N., Hota, S., Mishra, D., Satapathy, P., & Kumar Nayak, S. (2024). Empirical Forecasting Analysis of Bitcoin Prices. International journal of electrical and computer engineering systems, 15(1), 21–29. https://doi.org/10.32985/ijeces.15.1.3

Tripathy, N., Hota, S., & Mishra, D. (2023). Performance analysis of bitcoin forecasting using deep learning techniques. Indonesian Journal of Electrical Engineering and Computer Science, 31(3), 1515–1522. https://doi.org/10.11591/ijeecs.v31.i3.pp1515-1522

Moroz, V., Helvig, J., Moroz, D., & Zhukov, P. (2020). Analysis of LSTM and GMDH network models for cryptocurrency forecasting. Bulletin of the National Technical University "KhPI" A series of "Information and Modeling", 1(3). https://doi.org/10.20998/2411-0558.2020.01.10

Lorenzo, L., & Arroyo, J. (2022). Analysis of the cryptocurrency market using different prototype-based clustering techniques. Financial Innovation, 8(1). https://doi.org/10.1186/s40854-021-00310-9

Sabov, D. P., & Sharkadi, M. M. (2023). Approaches to clusterization of cryptocurrencies. Scientific Bulletin of Uzhhorod University. Series of Mathematics and Informatics, 42(1), 201–207. https://doi.org/10.24144/2616-7700.2023.42(1).201-207

Bazik I. P., Kibalnyk L. O. (2019). Using the cluster method to analyze the cryptocurrency market, Actual problems of natural sciences and humanities in the research of young scientists «Rodzinka — 2019». XXI All-Ukrainian scientific conference of young scientists.

Gonak, I., & Horyn, V. (2022). Cryptocurrency as an object of investment. Scientific Notes of Ostroh Academy National University, "Economics" Series, 1(26(54)), 71–84. https://doi.org/10.25264/2311-5149-2022-26(54)-71-84

Mohamed, S. D., Ismail, M. T., & Ali, M. K. B. M. (2023). Cryptocurrency Returns Over a Decade: Breaks, Trend Breaks and Outliers. Scientific Annals of Economics and Business, 71(1), 1–20. https://doi.org/10.47743/saeb-2024-0003

Kondruk, N. E. (2018) Use of length-based similarity measure in clustering problems. Radio Electronics. Computer Science. Control, 3(46), 98–105. https://doi.org/10.15588/1607-3274-2018-3-11

Kondruk, N. E. (2022) Models of multivariate forecasting. Scientific Bulletin of Uzhhorod University. Series of Mathematics and Informatics, 40(1), 168–174. https://doi.org/10.24144/2616-7700.2022.40(1).168-174