Нелінійні коливання на ринку криптовалют: сучасні підходи до аналізу та прогнозування
Кочорба В. Ю.

Кочорба В. Ю. Нелінійні коливання на ринку криптовалют: сучасні підходи до аналізу та прогнозування. Проблеми економіки. 2025. №2. C. 166–175.
https://doi.org/10.32983/2222-0712-2025-2-166-175

Розділ: Фінанси та банківська справа

УДК 330.4:519.8

Анотація:
Стаття присвячена комплексному дослідженню сучасних методів аналізу та прогнозування динаміки ринку криптовалют. Автор розглядає еволюцію криптовалютного ринку від нішевої технологічної інновації до значущого сегмента глобальної фінансової системи, що характеризується високою волатильністю та чутливістю до широкого спектра зовнішніх факторів. Дослідження базується на аналізі історичних даних провідних криптовалют за період 2015–2025 рр. та систематизації наукових публікацій останніх років. Проведено аналіз історичної динаміки цін провідних криптовалют (Bitcoin, Ethereum, Litecoin) за період 2015–2025 рр., який підтвердив експоненційне зростання ринку з надзвичайно високою волатильністю та циклічними коливаннями. Особливу увагу приділено виявленню циклічних патернів та факторів, що визначають цінову динаміку. Проведено SWOT-аналіз ринку, що дозволив систематизувати внутрішні сильні та слабкі сторони, а також зовнішні можливості та загрози. Основний акцент зроблено на порівняльному аналізі моделей прогнозування від класичних статистичних методів до сучасних підходів машинного та глибокого навчання. Автор демонструє еволюцію від простих лінійних моделей до складних нейронних мереж, що краще враховують нелінійний характер ринку. Систематизовано основні класи моделей прогнозування: від класичних статистичних підходів (ARIMA, GARCH) до сучасних методів машинного та глибокого навчання (LSTM, GRU, Transformers). Дослідження виявляє, що моделі глибокого навчання демонструють вищу точність на коротко- та середньострокових горизонтах прогнозування, проте довгострокове прогнозування залишається складним завданням через вплив фундаментальних факторів. Робота має практичне значення для інвесторів, трейдерів та аналітиків, надаючи структуровану інформацію про особливості функціонування ринку та інструментарій для його аналізу.

Ключові слова: криптовалюти, Bitcoin, Ethereum, прогнозування цін, волатильність, машинне навчання, LSTM, ARIMA, GARCH, ринкова динаміка, фінансові ринки, блокчейн, цифрові активи, інвестиційні ризики, часові ряди, штучний інтелект, фінансове моделювання, SWOT-аналіз, д

Рис.: 4. Табл.: 3. Бібл.: 12.

Кочорба Валерія Юріївна – кандидат економічних наук, доцент, заступник директора, Навчально-науковий інститут «Каразінський банківський інститут» Харківського національного університету імені В. Н. Каразіна (просп. Перемоги, 55, Харків, 61174, Україна)
Email: V.y.kochorba@karazin.ua

Список використаних у статті джерел

Ahmed W. M. A. Robust drivers of Bitcoin price movements: An extreme bounds analysis. The North American Journal of Economics and Finance. 2022. Vol. 62 (C). Article 101728. DOI: 10.1016/j.najef.2022.101728
Akyildirim E., Cepni O., Corbet S., Uddin G. S. Forecasting Mid-price Movement of Bitcoin Futures Using Machine Learning (Working Papers 20-2020). Copenhagen Business School, Department of Economics. 2020.
Almeida A., Gon?alves T. C. Cryptocurrency price prediction: A systematic literature review. Journal of Open Innovation: Technology, Market, and Complexity. 2023. Vol. 9 (3). Article 100097.
Chen Z., Li C., Sun W. Bitcoin price prediction using machine learning: An approach to sample dimension engineering. Journal of Computational and Applied Mathematics. 2020. Vol. 365. Article 112395.
CoinMarketCap. Today's Cryptocurrency Prices by Market Cap. URL: https://coinmarketcap.com/
Guo Q., Lei S., Ye Q., Fang Z. MRC-LSTM: A Hybrid Approach of Multi-scale Residual CNN and LSTM to Predict Bitcoin Price. arXiv preprint arXiv:2105.00707. 2021. 8 p.
Katsiampa P. An empirical investigation of volatility dynamics in the cryptocurrency market. Research in International Business and Finance. 2019. Vol. 50. Р. 336–356.
Livieris I. E., Kiriakidou N., Stavroyiannis S., Pintelas P. Investigating the problem of cryptocurrency price prediction: A deep learning approach. Computation. 2020. Vol. 8 (2). Article 43.
Nguyen D. K., Vo X. V. A combined ARIMA-GARCH model for predicting cryptocurrency prices. Mathematics. 2021. Vol. 9 (2). Article 234.
Patel R., Thakur M. Utilizing ARIMA and GARCH models for predictive analytics in cryptocurrencies. International Journal of Computer Applications. 2024. Vol. 186 (62).
Pintelas E., Livieris I. E., Stavroyiannis S., Kiriakidou N., Pintelas P. Forecasting cryptocurrency prices with deep learning. Algorithms. 2020. Vol. 13 (6). Article 140.
Ye Z., Liu Y., Wang F., Huang J. Z. Bitcoin price prediction using machine learning: A comprehensive review. Journal of Industrial Information Integration. 2022. Vol. 28. Article 100358.