Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/6909
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorБєлінський, Андрій Олександрович-
dc.date.accessioned2022-12-01T08:11:19Z-
dc.date.available2022-12-01T08:11:19Z-
dc.date.issued2022-11-30-
dc.identifier.citationБєлінський А. О. Побудова індикаторів-передвісників кризових явищ криптовалютного ринку на основі об’єднаного та крос-рекурентного аналізу : кваліфікаційна робота студента групи Ім-17, ступінь вищої освіти «магістр» спеціальності 014.09 Середня освіта (Інформатика) / Бєлінський Андрій Олександрович ; [науковий керівник : Соловйов Володимир Миколайович] ; Міністерство освіти і науки України, Криворізький державний педагогічний університет, фізико-математичний факультет, кафедра інформатики та прикладної математики. - Кривий Ріг, 2022. - 100 с.uk
dc.identifier.urihttp://elibrary.kdpu.edu.ua/xmlui/handle/123456789/6909-
dc.description1. Agosto A., Cafferata A. Financial Bubbles: A Study of Co-Explosivity in the Cryptocurrency Market // Risks. — 2020. — Квіт. — Т. 8, No 2. — С. 34. — DOI: 10.3390/risks8020034. 2. Alqaralleh H., Abuhommous A. A., Alsaraireh A. Modelling and Forecasting the Volatility of Cryptocurrencies: A Comparison of Nonlinear GARCH-Type Models // International Journal of Financial Research. — 2020. — Лип. — Т. 11, No 4. — С. 346. — DOI: 10.5430/ijfr.v11n4p346. 3. An Exploration of Dynamical Systems and Chaos / J. H. Argyris [та ін.]. — Springer Berlin Heidelberg, 2015. — DOI: 10.1007/978-3-662-46042-9. 4. Analyzing time–frequency co-movements across gold and oil prices with BRICS stock markets: A VaR based on wavelet approach / W. Mensi [та ін.] // International Review of Economics & Finance. — 2018. — Бер. — Т. 54. — С. 74—102. — DOI: 10.1016/j.iref.2017.07.032. 5. Andersen J. V., Nowak A. Financial Markets as Interacting Individuals: Price Formation from Models of Complexity // An Introduction to Socio-Finance. — Springer Berlin Heidelberg, 2013. — С. 59—76. — DOI: 10.1007/978-3-642-41944-7_3. 6. Ardia D., Bluteau K., Rüede M. Regime changes in Bitcoin GARCH volatility dynamics // Finance Research Letters. — 2019. — Черв. — Т. 29. — С. 266—271. — DOI: 10.1016/j.frl.2018.08.009. 7. Are Bitcoin bubbles predictable? Combining a generalized Metcalfe’s Law and the Log-Periodic Power Law Singularity model / S. Wheatley [та ін.] // Royal Society Open Science. — 2019. — Черв. — Т. 6, No 6. — С. 180538. — DOI: 10.1098/rsos.180538. 8. Baaquie B. E. Quantum Finance. — Cambridge University Press, 11.2004. — DOI: 10.1017/cbo9780511617577. 9. Bariviera A. F. The inefficiency of Bitcoin revisited: A dynamic approach // Economics Letters. — 2017. — Груд. — Т. 161. — С. 1—4. — DOI: 10.1016/j.econlet.2017.09.013. 10. Barkoulas J., Travlos N. Chaos in an emerging capital market? The case of the Athens Stock Exchange // Applied Financial Economics. — 1998. — Черв. — Т. 8, No 3. — С. 231—243. — DOI: 10.1080/096031098332998. 11. Bastos J. A., Caiado J. Recurrence quantification analysis of global stock markets // Physica A: Statistical Mechanics and its Applications. — 2011. — Квіт. — Т. 390, No 7. — С. 1315—1325. — DOI: 10.1016/j.physa.2010.12.008. 12. Bentes S. R., Menezes R. Entropy: A new measure of stock market volatility? // Journal of Physics: Conference Series. — 2012. — Листоп. — Т. 394. — С. 012033. — DOI: 10.1088/1742-6596/394/1/012033. 13. Blank S. C. “Chaos” in futures markets? A nonlinear dynamical analysis // Journal of Futures Markets. — 1991. — Груд. — Т. 11, No 6. — С. 711—728. — DOI: 10.1002/fut.3990110606. 14. Boungou W., Yatié A. The impact of the Ukraine–Russia war on world stock market returns // Economics Letters. — 2022. — Черв. — Т. 215. — С. 110516. — DOI: 10.1016/j.econlet.2022.110516. 15. Bradley E., Kantz H. Nonlinear time-series analysis revisited // Chaos: An Interdisciplinary Journal of Nonlinear Science. — 2015. — Вер. — Т. 25, No 9. — С. 097610. — DOI: 10.1063/1.4917289. 16. Brock W. Distinguishing random and deterministic systems: Abridged version // Journal of Economic Theory. — 1986. — Жовт. — Т. 40, No 1. — С. 168—195. — DOI: 10.1016/0022-0531(86)90014-1. 17. Broomhead D., King G. P. Extracting qualitative dynamics from experimental data // Physica D: Nonlinear Phenomena. — 1986. — Черв. — Т. 20, No 2/3. — С. 217—236. — DOI: 10.1016/0167-2789(86)90031-x. 18. Can volume predict Bitcoin returns and volatility? A quantiles-based approach / M. Balcilar [та ін.] // Economic Modelling. — 2017. — Серп. — Т. 64. — С. 74—81. — DOI: 10.1016/j.econmod.2017.03.019. 19. Cao L. Practical method for determining the minimum embedding dimension of a scalar time series // Physica D: Nonlinear Phenomena. — 1997. — Груд. — Т. 110, No 1/2. — С. 43—50. — DOI: 10.1016/s0167-2789(97)00118-8. 20. Chaim P., Laurini M. P. Nonlinear dependence in cryptocurrency markets // The North American Journal of Economics and Finance. — 2019. — Квіт. — Т. 48. — С. 32—47. — DOI: 10.1016/j.najef.2019.01.015. 21. Charfeddine L., Benlagha N., Maouchi Y. Investigating the dynamic relationship between cryptocurrencies and conventional assets: Implications for financial investors // Economic Modelling. — 2020. — Лют. — Т. 85. — С. 198—217. — DOI: 10.1016/j.econmod.2019.05.016. 22. Chaum D. Blind Signatures for Untraceable Payments // Advances in Cryptology. — Springer US, 1983. — С. 199—203. — DOI: 10.1007/978-1-4757-0602-4_18. 23. Cheah E.-T., Fry J. Speculative bubbles in Bitcoin markets? An empirical investigation into the fundamental value of Bitcoin // Economics Letters. — 2015. — Трав. — Т. 130. — С. 32—36. — DOI: 10.1016/j.econlet.2015.02.029. 24. Classification of coupling patterns among spontaneous rhythms and ventilation in the sympathetic discharge of decerebrate cats / A. Porta [та ін.] // Biological Cybernetics. — 1996. — Серп. — Т. 75, No 2. — С. 163—172. — DOI: 10.1007/s004220050284. 25. Coco M. I., Dale R. Cross-recurrence quantification analysis of categorical and continuous time series: an R package // Frontiers in Psychology. — 2014. — Черв. — Т. 5. — DOI: 10.3389/fpsyg.2014.00510. 26. Competition of noise and collectivity in global cryptocurrency trading: Route to a self-contained market / S. Drożdż [та ін.] // Chaos: An Interdisciplinary Journal of Nonlinear Science. — 2020. — Лют. — Т. 30, No 2. — С. 023122. — DOI: 10.1063/1.5139634. 27. Complex systems and physics education / A. O. Bielinskyi [та ін.] // CEUR Workshop Proceedings / за ред. S. Semerikov, M. Shyshkina, A. Kiv. — 2022. — Т. 3085. — С. 56—80. — URL: https://ceur-ws.org/Vol-3085/paper17.pdf. 28. Cryptocurrencies and Price Prediction: A Survey / Y. Mezquita [та ін.] // Blockchain and Applications. — Springer International Publishing, 09.2021. — С. 339—346. — DOI: 10.1007/978-3-030-86162-9_34. — URL: https://doi.org/10.1007%2F978-3-030-86162-9_34. 29. Dai W. B-money. — 1998. — URL: http://www.weidai.com/bmoney.txt. 30. Derman E. My Life as a Quant: Reflections on Physics and Finance. — John Wiley & Sons, 2016. 31. Dionisio A., Menezes R., Mendes D. A. An econophysics approach to analyse uncertainty in financial markets: an application to the Portuguese stock market // The European Physical Journal B - Condensed Matter and Complex Systems. — 2006. — Бер. — Т. 50, No 1/2. — С. 161—164. — DOI: 10.1140/epjb/e2006-00113-2. 32. Distinguishing dynamics using recurrence-time statistics / E. J. Ngamga [та ін.] // Phys. Rev. E. — 2012. — Лют. — Т. 85, вип. 2. — С. 026217. — DOI: 10.1103/PhysRevE.85.026217. 33. Dwork C., Naor M. Pricing via Processing or Combatting Junk Mail // Advances in Cryptology — CRYPTO’ 92. — Springer Berlin Heidelberg. — С. 139—147. — DOI: 10.1007/3-540-48071-4_10. 34. Eckmann J.-P., Kamphorst S. O., Ruelle D. Recurrence Plots of Dynamical Systems // Europhysics Letters (EPL). — 1987. — Листоп. — Т. 4, No 9. — С. 973—977. — DOI: 10.1209/0295-5075/4/9/004. 35. Econophysics and Data Driven Modelling of Market Dynamics / за ред. F. Abergel [та ін.]. — Springer International Publishing, 2015. — DOI: 10.1007/978-3-319-08473-2. 36. Econophysics of cryptocurrency crashes: A systematic review / A. O. Bielinskyi [та ін.] // CEUR Workshop Proceedings / за ред. A. Kiv, V. Soloviev, S. Semerikov. — 2021. — Т. 3048. — С. 31—133. — URL: https://ceur-ws.org/Vol-3048/paper03.pdf. 37. Estimating coupling directions in the cardiorespiratory system using recurrence properties / N. Marwan [та ін.] // Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. — 2013. — Серп. — Т. 371, No 1997. — С. 20110624. — DOI: 10.1098/rsta.2011.0624. 38. Fast Computation of Recurrences in Long Time Series / T. Rawald [та ін.] // Springer Proceedings in Mathematics & Statistics. — Springer International Publishing, 2014. — С. 17—29. — DOI: 10.1007/978-3-319-09531-8_2. 39. Fat tails, VaR and subadditivity / J. Danı́elsson [та ін.] // Journal of Econometrics. — 2013. — Лют. — Т. 172, No 2. — С. 283—291. — DOI: 10.1016/j.jeconom.2012.08.011. 40. Finance Y. List of Cryptocurrencies. — 2022. — URL: https://finance.yahoo.com/crypto/. 41. Fraser A. M., Swinney H. L. Independent coordinates for strange attractors from mutual information // Physical Review A. — 1986. — Лют. — Т. 33, No 2. — С. 1134—1140. — DOI: 10.1103/physreva.33.1134. 42. Front Matter // Econophysics and Sociophysics. — Wiley-VCH Verlag GmbH & Co. KGaA. — С. I—XXVI. — DOI: 10.1002/9783527610006.fmatter. 43. Fry J. Booms, busts and heavy-tails: The story of Bitcoin and cryptocurrency markets? // Economics Letters. — 2018. — Жовт. — Т. 171. — С. 225—229. — DOI: 10.1016/j.econlet.2018.08.008. 44. GARCH Modelling of Cryptocurrencies / J. Chu [та ін.] // Journal of Risk and Financial Management. — 2017. — Жовт. — Т. 10, No 4. — С. 17. — DOI: 10.3390/jrfm10040017. 45. Garnier J., Solna K. Chaos and order in the bitcoin market // Physica A: Statistical Mechanics and its Applications. — 2019. — Черв. — Т. 524. — С. 708—721. — DOI: 10.1016/j.physa.2019.04.164. 46. Geometry from a Time Series / N. H. Packard [та ін.] // Physical Review Letters. — 1980. — Вер. — Т. 45, No 9. — С. 712—716. — DOI: 10.1103/physrevlett.45.712. 47. Gerlach J. C., Demos G., Sornette D. Dissection of Bitcoin’s multiscale bubble history from January 2012 to February 2018 // Royal Society Open Science. — 2019. — Лип. — Т. 6, No 7. — С. 180643. — DOI: 10.1098/rsos.180643. 48. Gisler M., Sornette D. Exuberant Innovations: The Apollo Program // Society. — 2008. — Листоп. — Т. 46, No 1. — С. 55—68. — DOI: 10.1007/s12115-008-9163-8. 49. Goodell J. W., Goutte S. Co-movement of COVID-19 and Bitcoin: Evidence from wavelet coherence analysis // Finance Research Letters. — 2021. — Січ. — Т. 38. — С. 101625. — DOI: 10.1016/j.frl.2020.101625. 50. Haber S., Stornetta W. S. How to Time-Stamp a Digital Document // Advances in Cryptology-CRYPT0’ 90. — Springer Berlin Heidelberg. — С. 437—455. — DOI: 10.1007/3-540-38424-3_32. 51. Hegger R., Kantz H., Schreiber T. Practical implementation of nonlinear time series methods: The TISEAN package // Chaos: An Interdisciplinary Journal of Nonlinear Science. — 1999. — Черв. — Т. 9, No 2. — С. 413—435. — DOI: 10.1063/1.166424. 52. Hirata Y., Horai S., Aihara K. Reproduction of distance matrices and original time series from recurrence plots and their applications // The European Physical Journal Special Topics. — 2008. — Жовт. — Т. 164, No 1. — С. 13—22. — DOI: 10.1140/epjst/e2008-00830-8. 53. Huber T. A., Sornette D. Boom, Bust, and Bitcoin: Bitcoin-Bubbles as Innovation Accelerators // Journal of Economic Issues. — 2022. — Січ. — Т. 56, No 1. — С. 113—136. — DOI: 10.1080/00213624.2022.2020023. 54. Huber T. A., Sornette D. Can there be a physics of financial markets? Methodological reflections on econophysics // The European Physical Journal Special Topics. — 2016. — Груд. — Т. 225, No 17/18. — С. 3187—3210. — DOI: 10.1140/epjst/e2016-60158-5. 55. Infering indirect coupling by means of recurrences / Y. Zou [та ін.] // International Journal of Bifurcation and Chaos. — 2011. — Квіт. — Т. 21, No 04. — С. 1099—1111. — DOI: 10.1142/s0218127411029033. 56. Information Transmission Between Cryptocurrencies: Does Bitcoin Rule the Cryptocurrency World? / P. Bação [та ін.] // Scientific Annals of Economics and Business. — 2018. — Черв. — Т. 65, No 2. — С. 97—117. — DOI: 10.2478/saeb-2018-0013. 57. Jakobsson M., Juels A. Proofs of Work and Bread Pudding Protocols(Extended Abstract) // Secure Information Networks. — Springer US, 1999. — С. 258—272. — DOI: 10.1007/978-0-387-35568-9_18. 58. Jang H., Lee J. An Empirical Study on Modeling and Prediction of Bitcoin Prices With Bayesian Neural Networks Based on Blockchain Information // IEEE Access. — 2018. — Т. 6. — С. 5427—5437. — DOI: 10.1109/access.2017.2779181. 59. Jiang Y., Nie H., Ruan W. Time-varying long-term memory in Bitcoin market // Finance Research Letters. — 2018. — Черв. — Т. 25. — С. 280—284. — DOI: 10.1016/j.frl.2017.12.009. 60. Kadji H. G. E. Effects of a locally injected signal on phase synchronization in a network of self-excited cells // The European Physical Journal B. — 2013. — Квіт. — Т. 86, No 4. — DOI: 10.1140/epjb/e2013-31087-3. 61. Kantz H., Schreiber T. Nonlinear Time Series Analysis. — Cambridge University Press, 11.2003. — DOI: 10.1017/cbo9780511755798. 62. Kennel M. B., Brown R., Abarbanel H. D. I. Determining embedding dimension for phase-space reconstruction using a geometrical construction // Physical Review A. — 1992. — Бер. — Т. 45, No 6. — С. 3403—3411. — DOI: 10.1103/physreva.45.3403. 63. Khuntia S., Pattanayak J. Adaptive long memory in volatility of intraday bitcoin returns and the impact of trading volume // Finance Research Letters. — 2020. — Січ. — Т. 32. — С. 101077. — DOI: 10.1016/j.frl.2018.12.025. 64. Khuntia S., Pattanayak J. Adaptive market hypothesis and evolving predictability of bitcoin // Economics Letters. — 2018. — Черв. — Т. 167. — С. 26—28. — DOI: 10.1016/j.econlet.2018.03.005. 65. Lahmiri S., Bekiros S. Chaos, randomness and multi-fractality in Bitcoin market // Chaos, Solitons & Fractals. — 2018. — Січ. — Т. 106. — С. 28—34. — DOI: 10.1016/j.chaos.2017.11.005. 66. Lahmiri S., Bekiros S. Chaos, randomness and multi-fractality in Bitcoin market // Chaos, Solitons & Fractals. — 2018. — Січ. — Т. 106. — С. 28—34. — DOI: 10.1016/j.chaos.2017.11.005. 67. Lahmiri S., Bekiros S., Salvi A. Long-range memory, distributional variation and randomness of bitcoin volatility // Chaos, Solitons & Fractals. — 2018. — Лют. — Т. 107. — С. 43—48. — DOI: 10.1016/j.chaos.2017.12.018. 68. Large complex data: divide and recombine (D&R) with RHIPE / S. Guha [та ін.] // Stat. — 2012. — Вер. — Т. 1, No 1. — С. 53—67. — DOI: 10.1002/sta4.7. 69. Lindsay D. H., Campbell A. A Chaos Approach To Bankruptcy Prediction // Journal of Applied Business Research (JABR). — 2011. — Вер. — Т. 12, No 4. — С. 1. — DOI: 10.19030/jabr.v12i4.5779. 70. Lorenz E. N. Deterministic Nonperiodic Flow // Journal of the Atmospheric Sciences. — 1963. — Бер. — Т. 20, No 2. — С. 130—141. — DOI: 10.1175/1520-0469(1963)020<0130:dnf>2.0.co;2. 71. Maciel L. Cryptocurrencies value-at-risk and expected shortfall: Do regime-switching volatility models improve forecasting? // International Journal of Finance & Economics. — 2020. — Серп. — Т. 26, No 3. — С. 4840—4855. — DOI: 10.1002/ijfe.2043. 72. Macro-Econometric Models // Econometrica. — 1971. — Т. 39, No 4. — С. 168—172. — ISSN 00129682, 14680262. — URL: http://www.jstor.org/stable/1912420 (дата зверн. 28.11.2022). 73. Mandelbrot B. How Long Is the Coast of Britain? Statistical Self-Similarity and Fractional Dimension // Science. — 1967. — Трав. — Т. 156, No 3775. — С. 636—638. — DOI: 10.1126/science.156.3775.636. 74. Mandelbrot B. Paretian Distributions and Income Maximization // The Quarterly Journal of Economics. — 1962. — Лют. — Т. 76, No 1. — С. 57. — DOI: 10.2307/1891131. 75. Mandelbrot B. Stable Paretian Random Functions and the Multiplicative Variation of Income // Econometrica. — 1961. — Жовт. — Т. 29, No 4. — С. 517. — DOI: 10.2307/1911802. 76. Mandelbrot B. The Pareto-Levy Law and the Distribution of Income // International Economic Review. — 1960. — Трав. — Т. 1, No 2. — С. 79. — DOI: 10.2307/2525289. 77. Mandelbrot B. The Stable Paretian Income Distribution when the Apparent Exponent is Near Two // International Economic Review. — 1963. — Січ. — Т. 4, No 1. — С. 111. — DOI: 10.2307/2525463. 78. Mandelbrot B. The Variation of Certain Speculative Prices // The Journal of Business. — 1963. — Січ. — Т. 36, No 4. — С. 394. — DOI: 10.1086/294632. 79. Mandelbrot B. The Variation of Some Other Speculative Prices // The Journal of Business. — 1967. — Січ. — Т. 40, No 4. — С. 393. — DOI: 10.1086/295006. 80. Mandelbrot B. B. New methods in statistical economics // Fractals and Scaling in Finance. — Springer New York, 1997. — С. 79—104. — DOI: 10.1007/978-1-4757-2763-0_3. 81. Mantegna R. N., Stanley H. E. Introduction to Econophysics. — Cambridge University Press, 11.1999. — DOI: 10.1017/cbo9780511755767. 82. Mantegna R. N. Presentation of the English translation of Ettore Majorana’s paper: The value of statistical laws in physics and social sciences // Quantitative Finance. — 2005. — Т. 5, No 2. — С. 133—140. — DOI: 10.1080/14697680500148174. 83. Marwan N. A historical review of recurrence plots // The European Physical Journal Special Topics. — 2008. — Жовт. — Т. 164, No 1. — С. 3—12. — DOI: 10.1140/epjst/e2008-00829-1. 84. Marwan N. Commandline Recurrence Plots. — 2016. — URL: http://tocsy.pik-potsdam.de/commandline-rp.php. 85. Marwan N. Cross recurrence plot toolbox 5.20 (R30.5). — 2016. — URL: http://tocsy.pik-potsdam.de/CRPtoolbox/. 86. Marwan N. How to avoid potential pitfalls in recurrence plot based data analysis // International Journal of Bifurcation and Chaos. — 2011. — Квіт. — Т. 21, No 04. — С. 1003—1017. — DOI: 10.1142/s0218127411029008. 87. Marwan N., Kurths J. Line structures in recurrence plots // Physics Letters A. — 2005. — Бер. — Т. 336, No 4/5. — С. 349—357. — DOI: 10.1016/j.physleta.2004.12.056. 88. Marwan N., Kurths J. Nonlinear analysis of bivariate data with cross recurrence plots // Physics Letters A. — 2002. — Вер. — Т. 302, No 5/6. — С. 299—307. — DOI: 10.1016/s0375-9601(02)01170-2. 89. Marwan N., Schinkel S., Kurths J. Recurrence plots 25 years later —Gaining confidence in dynamical transitions // EPL (Europhysics Letters). — 2013. — Січ. — Т. 101, No 2. — С. 20007. — DOI: 10.1209/0295-5075/101/20007. 90. Maslov V. P., Nazaikinskii V. E. Mathematics underlying the 2008 financial crisis, and a possible remedy. — 2008. — URL: https://arxiv.org/abs/0811.4678. 91. Massively Parallel Analysis of Similarity Matrices on Heterogeneous Hardware / T. Rawald [та ін.] //. — С. 56—62. — URL: http://ceur-ws.org/Vol-1330/#paper-11. 92. McFarland D. J., Sarnacki W. A., Wolpaw J. R. Electroencephalographic (EEG) control of three-dimensional movement // Journal of Neural Engineering. — 2010. — Трав. — Т. 7, No 3. — С. 036007. — DOI: 10.1088/1741-2560/7/3/036007. 93. McKenzie M. D. Chaotic behavior in national stock market indices // Global Finance Journal. — 2001. — Бер. — Т. 12, No 1. — С. 35—53. — DOI: 10.1016/s1044-0283(01)00024-2. 94. Medvinsky A. B., Rusakov A. V., Nurieva N. I. Integer-based modeling of population dynamics: Competition between attractors limits predictability // Ecological Complexity. — 2013. — Черв. — Т. 14. — С. 108—116. — DOI: 10.1016/j.ecocom.2012.05.005. 95. Moloney K., Raghavendra S. Examining the dynamical transition in the Dow Jones Industrial Index from Bull to Bear market using Recurrence Quantification Analysis. — 2016. — URL: https://aran.library.nuigalway.ie/bitstream/handle/10379/3063/Examining%20the%20dynamical%20transition%20in%20the%20Dow.pdf?sequence=1&isAllowed=y. 96. Multiscale characteristics of the emerging global cryptocurrency market / M. Wa ̨torek [та ін.] // Physics Reports. — 2021. — Бер. — Т. 901. — С. 1—82. — DOI: 10.1016/j.physrep.2020.10.005. 97. Multivariate recurrence plots / M. C. Romano [та ін.] // Physics Letters A. — 2004. — Вер. — Т. 330, No 3/4. — С. 214—223. — DOI: 10.1016/j.physleta.2004.07.066. 98. Nadarajah S., Zhang B., Chan S. Estimation methods for expected shortfall // Quantitative Finance. — 2013. — Лип. — Т. 14, No 2. — С. 271—291. — DOI: 10.1080/14697688.2013.816767. 99. Nakamoto S. Bitcoin Open Source Implementation of P2P Currency. — 2009. — URL: https://satoshi.nakamotoinstitute.org/posts/p2pfoundation/2/. 100. Nakamoto S. Bitcoin: A Peer-to-Peer Electronic Cash System. — 2008. — URL: https://bitcoin.org/bitcoin.pdf. 101. Narayanan A., Clark J. Bitcoin’s Academic Pedigree // Queue. — 2017. — Серп. — Т. 15, No 4. — С. 20—49. — DOI: 10.1145/3134434.3136559. 102. Ormerod P. Ten years after “Worrying trends in econophysics”: developments and current challenges // The European Physical Journal Special Topics. — 2016. — Груд. — Т. 225, No 17/18. — С. 3281—3291. — DOI: 10.1140/epjst/e2016-60126-7. 103. Ott E. Chaos in Dynamical Systems. — Cambridge University Press, 08.2002. — DOI: 10.1017/cbo9780511803260. 104. Pal N., Samanta S., Chattopadhyay J. Revisited Hastings and Powell model with omnivory and predator switching // Chaos, Solitons & Fractals. — 2014. — Вер. — Т. 66. — С. 58—73. — DOI: 10.1016/j.chaos.2014.05.003. 105. Panja P., Mondal S. K., Jana D. K. Effects of toxicants on Phytoplankton-Zooplankton-Fish dynamics and harvesting // Chaos, Solitons & Fractals. — 2017. — Листоп. — Т. 104. — С. 389—399. — DOI: 10.1016/j.chaos.2017.08.036. 106. Peacock-Lopez E. Ecological Model of competitive species and the role of intraspecies interaction in the formation of spatio-temporal patterns // WSEAS Transactions on Biology and Biomedicine. — 2004. — Січ. — Т. 1. — С. 76—81. 107. Pele D., Mazurencu-Marinescu-Pele M. Using High-Frequency Entropy to Forecast Bitcoin’s Daily Value at Risk // Entropy. — 2019. — Січ. — Т. 21, No 2. — С. 102. — DOI: 10.3390/e21020102. 108. Peters E. E. Fractal Market Analysis: Applying Chaos Theory to Investment and Economics. — Wiley, 1994. — (Wiley Finance). — ISBN 978-0-471-58524-4. 109. Phillip A., Chan J. S., Peiris S. A new look at Cryptocurrencies // Economics Letters. — 2018. — Лют. — Т. 163. — С. 6—9. — DOI: 10.1016/j.econlet.2017.11.020. 110. Pilkington M. Bitcoin through the lenses of complexity theory. — DOI: 10.4337/9781784719005.00035. 111. Piskun O., Piskun S. Recurrence Quantification Analysis of Financial Market Crashes and Crises. — 2011. — URL: https://arxiv.org/abs/1107.5420. 112. Poincaré H. Sur le problème des trois corps et les équations de la dynamique // Acta mathematica. — 1890. — Т. 13. — С. 1—270. 113. Ponomarenko V. I., Prokhorov M. D. Extracting information masked by the chaotic signal of a time-delay system // Phys. Rev. E. — 2002. — Серп. — Т. 66, вип. 2. — С. 026215. — DOI: 10.1103/PhysRevE.66.026215. 114. Predictability of multifractal analysis of Hang Seng stock index in Hong Kong / X. Sun [та ін.] // Physica A: Statistical Mechanics and its Applications. — 2001. — Груд. — Т. 301, No 1—4. — С. 473—482. — DOI: 10.1016/s0378-4371(01)00433-2. 115. Price Behavior // Econometrica. — 1970. — Т. 38, No 4. — С. 122—124. — ISSN 00129682, 14680262. — URL: http://www.jstor.org/stable/1911596 (дата зверн. 28.11.2022). 116. Rajković M. Extracting meaningful information from financial data // Physica A: Statistical Mechanics and its Applications. — 2000. — Груд. — Т. 287, No 3/4. — С. 383—395. — DOI: 10.1016/s0378-4371(00)00377-0. 117. Rawald T. Scalable and Efficient Analysis of Large High-Dimensional Data Sets in the Context of Recurrence Analysis : PhD dissertation / Rawald Tobias. — Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät, 2018. — С. 299. — DOI: 10.18452/18797. 118. Rawald T., Sips M., Marwan N. PyRQA—Conducting recurrence quantification analysis on very long time series efficiently // Computers & Geosciences. — 2017. — Лип. — Т. 104. — С. 101—108. — DOI: 10.1016/j.cageo.2016.11.016. 119. Recurrence plots for the analysis of complex systems / N. Marwan [та ін.] // Physics Reports. — 2007. — Січ. — Т. 438, No 5/6. — С. 237—329. — DOI: 10.1016/j.physrep.2006.11.001. 120. Recurrence Quantification Analysis / за ред. C. L. Webber, N. Marwan. — Springer International Publishing, 2015. — DOI: 10.1007/978-3-319-07155-8. 121. Robinson G., Thiel M. Recurrences determine the dynamics // Chaos: An Interdisciplinary Journal of Nonlinear Science. — 2009. — Черв. — Т. 19, No 2. — С. 023104. — DOI: 10.1063/1.3117151. 122. Saptsin V., Soloviev V. Relativistic quantum econophysics - new paradigms in complex systems modelling. — 2009. — URL: https://arxiv.org/abs/0907.1142. 123. Sasikumar A., Kamaiah B. A Complex Dynamical Analysis of the Indian Stock Market // Economics Research International. — 2014. — Груд. — Т. 2014. — С. 1—6. — DOI: 10.1155/2014/807580. 124. Schaden M. Quantum finance // Physica A: Statistical Mechanics and its Applications. — 2002. — Груд. — Т. 316, No 1—4. — С. 511—538. — DOI: 10.1016/s0378-4371(02)01200-1. 125. Scheinkman J. A., LeBaron B. Nonlinear Dynamics and Stock Returns // The Journal of Business. — 1989. — Січ. — Т. 62, No 3. — С. 311. — DOI: 10.1086/296465. 126. Schinckus C. A Methodological Call for a Quantum Econophysics // Quantum Interaction. — Springer Berlin Heidelberg, 2014. — С. 308—316. — DOI: 10.1007/978-3-642-54943-4_28. 127. Serletis A., Gogas P. Chaos in East European black market exchange rates // Research in Economics. — 1997. — Груд. — Т. 51, No 4. — С. 359—385. — DOI: 10.1006/reec.1997.0050. 128. Soloviev V., Belinskij A. Methods of nonlinear dynamics and the construction of cryptocurrency crisis phenomena precursors // CEUR Workshop Proceedings / за ред. V. Ermolayev [та ін.]. — 2018. — Т. 2104. — С. 116—127. — URL: https://ceur-ws.org/Vol-2104/paper_175.pdf. 129. Soloviev V., Saptsin V. Heisenberg uncertainty principle and economic analogues of basic physical quantities. — 2011. — URL: https://arxiv.org/abs/1111.5289. 130. Soloviev V. N., Belinskiy A. Complex Systems Theory and Crashes of Cryptocurrency Market // Communications in Computer and Information Science / за ред. V. Yakovyna [та ін.]. — 2019. — Т. 1007. — С. 276—297. — DOI: 10.1007/978-3-030-13929-2_14. 131. Sornette D. Nurturing breakthroughs: lessons from complexity theory // Journal of Economic Interaction and Coordination. — 2008. — Квіт. — Т. 3, No 2. — С. 165—181. — DOI: 10.1007/s11403-008-0040-8. 132. Sornette D. Fundamentals of Financial Markets // Why Stock Markets Crash. — Princeton University Press, 03.2017. — DOI: 10.23943/princeton/9780691175959.003.0002. 133. Sornette D. Physics and financial economics (1776–2014): puzzles, Ising and agent-based models // Reports on Progress in Physics. — 2014. — Трав. — Т. 77, No 6. — С. 062001. — DOI: 10.1088/0034-4885/77/6/062001. 134. Sornette D., Cauwels P. Financial Bubbles: Mechanisms and Diagnostics // Review of Behavioral Economics. — 2015. — Жовт. — Т. 2, No 3. — С. 279—305. — DOI: 10.1561/105.00000035. 135. Stone J. E., Gohara D., Shi G. OpenCL: A Parallel Programming Standard for Heterogeneous Computing Systems // Computing in Science & Engineering. — 2010. — Трав. — Т. 12, No 3. — С. 66—73. — DOI: 10.1109/mcse.2010.69. 136. Symitsi E., Chalvatzis K. J. Return, volatility and shock spillovers of Bitcoin with energy and technology companies // Economics Letters. — 2018. — Вер. — Т. 170. — С. 127—130. — DOI: 10.1016/j.econlet.2018.06.012. 137. Szabo N. Bit gold. — 2008. — URL: https://unenumerated.blogspot.com/2005/12/bit-gold.html. 138. Takaishi T. Statistical properties and multifractality of Bitcoin // Physica A: Statistical Mechanics and its Applications. — 2018. — Вер. — Т. 506. — С. 507—519. — DOI: 10.1016/j.physa.2018.04.046. 139. Takens F. Detecting strange attractors in turbulence // Lecture Notes in Mathematics. — Springer Berlin Heidelberg, 1981. — С. 366—381. — DOI: 10.1007/bfb0091924. 140. Testing for asymmetric nonlinear short- and long-run relationships between bitcoin, aggregate commodity and gold prices / E. Bouri [та ін.] // Resources Policy. — 2018. — Серп. — Т. 57. — С. 224—235. — DOI: 10.1016/j.resourpol.2018.03.008. 141. The behaviour of some UK equity indices: An application of Hurst and BDS tests / K. K. Opong [та ін.] // Journal of Empirical Finance. — 1999. — Вер. — Т. 6, No 3. — С. 267—282. — DOI: 10.1016/s0927-5398(99)00004-3. 142. Theiler J. Estimating fractal dimension // Journal of the Optical Society of America A. — 1990. — Черв. — Т. 7, No 6. — С. 1055. — DOI: 10.1364/josaa.7.001055. 143. Thurner S., Klimek P., Hanel R. Introduction to the Theory of Complex Systems. — Oxford University Press, 11.2018. — DOI: 10.1093/oso/9780198821939.001.0001. 144. Unified functional network and nonlinear time series analysis for complex systems science: The pyunicorn package / J. F. Donges [та ін.] // Chaos: An Interdisciplinary Journal of Nonlinear Science. — 2015. — Листоп. — Т. 25, No 11. — С. 113101. — DOI: 10.1063/1.4934554. 145. Urquhart A. The inefficiency of Bitcoin // Economics Letters. — 2016. — Т. 148. — С. 80—82. — ISSN 0165-1765. — DOI: 10.1016/j.econlet.2016.09.019. 146. Walther T., Klein T., Bouri E. Exogenous drivers of Bitcoin and Cryptocurrency volatility – A mixed data sampling approach to forecasting // Journal of International Financial Markets, Institutions and Money. — 2019. — Т. 63. — С. 101133. — ISSN 1042-4431. — DOI: https://doi.org/10.1016/j.intfin.2019.101133. 147. Webber C. L., Zbilut J. P. Dynamical assessment of physiological systems and states using recurrence plot strategies // Journal of Applied Physi99ology. — 1994. — Лют. — Т. 76, No 2. — С. 965—973. — DOI: 10.1152/jappl.1994.76.2.965. 148. Al-Yahyaee K. H., Mensi W., Yoon S.-M. Efficiency, multifractality, and the long-memory property of the Bitcoin market: A comparative analysis with stock, currency, and gold markets // Finance Research Letters. — 2018. — Груд. — Т. 27. — С. 228—234. — DOI: 10.1016/j.frl.2018.03.017. 149. Yin T., Wang Y. Nonlinear analysis and prediction of bitcoin return’s volatility // E+M Ekonomie a Management. — 2022. — Черв. — Т. 25, No 2. — С. 102—117. — DOI: 10.15240/tul/001/2022-2-007. 150. Zbilut J. P., Giuliani A., Webber C. L. Detecting deterministic signals in exceptionally noisy environments using cross-recurrence quantification // Physics Letters A. — 1998. — Вер. — Т. 246, No 1/2. — С. 122—128. — DOI: 10.1016/s0375-9601(98)00457-5. 151. Zbilut J. P., Webber C. L. Embeddings and delays as derived from quantification of recurrence plots // Physics Letters A. — 1992. — Груд. — Т. 171, No 3/4. — С. 199—203. — DOI: 10.1016/0375-9601(92)90426-m. 152. Zbilut J. P., Webber C. L. Recurrence quantification analysis: Introduction and historical context // International Journal of Bifurcation and Chaos. — 2007. — Жовт. — Т. 17, No 10. — С. 3477—3481. — DOI: 10.1142/s0218127407019238.uk
dc.description.abstractУ цій роботі проведено класичний, крос- та об’єднаний рекурентний аналiз криптовалютного ринку. Продемонстровано, що використання основних iдей та iнструментарiю рекурентного аналiзу дозволяє як пояснити деякi притаманнi складним системам закономiрностi, так i побудувати надiйнi iндикатори-передвiсники крахових явищ на ринку криптовалют. Згідно завдань дослідження було: 1. Досліджено iсторiю ринку криптовалют за перiод з 17 вересня 2014 року по 22 листопада 2022 року та його подальшi перспективи. 2. Проаналiзовано лiтературнi джерела, що присвяченi тематицi фiнансових криз, динамiки криптовалют, теорiї складностi, еконофiзики та рекурентного аналiзу рiзних типiв. 3. Проведено класифiкацiю кризових явищ ринку криптовалют на основi проаналiзованої бiблiографiї. 4. Дослiджено можливiсть використання iнструментарiю крос-рекурентного та об’єднаного рекурентного аналiзу для побудови ефективних iндикаторiв-передвiсникiв кризових явищ. 5. Проведено порiвняльний аналiз кiлькiсних рекурентних показникiв на чолi з бiткоїном.uk
dc.language.isoukuk
dc.subjectрекурентний аналізuk
dc.subjectкрахuk
dc.subjectіндикатор-передвісникuk
dc.subjectскладні системиuk
dc.subjectміри складностіuk
dc.subjectтеорія складних системuk
dc.subjectнелінійна динамікаuk
dc.titleПобудова індикаторів-передвісників кризових явищ криптовалютного ринку на основі об’єднаного та крос-рекурентного аналізуuk
dc.typeThesisuk
Розташовується у зібраннях:Кафедра інформатики та прикладної математики (магістерські)

Файли цього матеріалу:
Файл Опис РозмірФормат 
cryptodip.pdfКваліфікаційна робота6.9 MBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.