АНАЛІЗ ЩОТИЖНЕВОЇ ЦІНИ ЗАКРИТТЯ БІТКОЇНА: ФАКТОРИ ВПЛИВУ ТА ПРОГНОЗИ ТРЕЙДЕРА
Анотація
Ринок біткоїнів продовжує залишатися однією з найбільш динамічних і цікавих сфер фінансового світу сьогодні. В останні роки біткойн зазнав значних цінових коливань, що змусило інвесторів і трейдерів займатися постійним моніторингом, аналізом і прогнозуванням вартості біткоїна. У цьому контексті аналіз динаміки ціни закриття біткоїна має вирішальне значення для трейдерів. Прогнозування, в свою чергу, є не менш важливим інструментом для досягнення успіху на ринку біткоїну, дозволяючи трейдерам приймати обґрунтовані рішення, знижувати ризики, визначати ринкові тенденції, оптимізувати свої портфелі та здійснювати стратегічне планування. Завдяки використанню технічних індикаторів, таких як гістограма MACD, вони можуть оцінити тенденції на ринку криптовалют і визначити потенційні можливості для входу і виходу. Метою дослідження є аналіз взаємозв'язку між динамікою ціни закриття біткоїна на тижневому таймфреймі та гістограмою MACD як передумови для прогнозування та поведінки трейдерів на криптовалютному ринку. Основні цілі включали дослідження того, чи зросла або знизилася мінімальна ціна біткоїна порівняно з попереднім тижнем у зв'язку з аналогічними тенденціями на MACD, а також визначення середнього і максимального діапазонів тижневих цін закриття. Дослідження підкреслило, як комплексне використання цих двох технічних індикаторів може підвищити здатність трейдерів приймати більш обґрунтовані та ефективні торгові та інвестиційні рішення. Результати показали, що в 54,45% випадків трейдер може передбачити підвищення ціни закриття біткоїна на поточному тижні, якщо гістограма MACD демонструє висхідний тренд на попередньому тижні, або зниження, якщо MACD демонструє низхідний рух. Крім того, аналіз показав, що в 48,02% випадків ціна закриття біткоїна, ймовірно, продовжить рухатися в тому ж напрямку і на наступному тижні. Крім того, дослідження продемонструвало 95,48% ймовірність того, що рух ціни в одному напрямку завершиться після четвертого тижня.
Посилання
Hur’yanova L.S., Lutsenko R.R. (2024). Modeli analizu dynamiky rynku kryptovalyut z urakhuvannyam povedinkovykh metryk steykkholderiv za danymy sotsialʹnykh merezh. Models for analyzing the dynamics of the cryptocurrency market taking into account the behavioral metrics of stakeholders according to social network data. Biznes inform, no. 9, pp. 129-138. DOI: https://doi.org/10.32983/2222-4459-2024-9-129-138 (in Ukrainian).
Pylypchenko O., Kuzminsky V., Chumachenko O. (2021). Vykorystannya metodiv tekhnichnoho analizu dlya prohnozuvannya rynku krypto valyut Using technical analysis methods to forecast the cryptocurrency market. Scientific notes of the KROK University, no. 4(64), pp. 28-35. DOI: https://doi.org/10.31732/2663-2209-2021-64-28-35 (in Ukrainian).
Pupov N. A., Zavhorodnya H. A. (2024). Vykorystannya metodu liniynoyi rehresiyi dlya prohnozuvannya kursu krypto valyuty Using the linear regression method to predict the exchange rate of crypto currencies. ITSynergy, no.1, pp. 62–73. DOI: https://doi.org/10.53920/ITS-2024-1-5 (in Ukrainian).
Al-Nefaie AH, Aldhyani THH. (2022). Bitcoin price forecasting and trading: data analytics approaches. Electronics, no. 11(24). DOI: https://doi.org/10.3390/electronics11244088
Appel G. Technical analysis: power tools for the active investors. 2005. 241 р.
Bâra A., Oprea S.V. (2024). An ensemble learning method for Bitcoin price prediction based on volatility indicators and trend. Engineering Applications of Artificial Intelligence, no. 133. DOI: https://doi.org/10.1016/j.engappai.2024.107991
Chen K.S. and Yang J.J. (2024). Price dynamics and volatility jumps in bitcoin options. Financial Innovation, no.10. DOI: https://doi.org/10.1186/s40854-024-00653-z
Ignatenko A., Dokiienko L. (2025). Practical use of the maximum price of bitcoin dynamics and the MACD histogram to formulate trader's forecasts. Investments: practice and experience, no.1, pр. 120-126. DOI: https://doi.org/10.32702/2306-6814.2025.1.120
Ignatenko A., Dokiienko L. (2025). Generating trader forecasts based on the dynamics of the minimum bitcoin price and the MACD histogram. International Scientific Journal "Internauka". Series: "Economic Sciences", no.1. DOI: https://doi.org/10.25313/2520-2294-2025-1-10610
Maleki N., Nikoubin A., Rabbani M., Zeinali Y. (2023). Bitcoin price prediction based on other cryptocurrencies using machine learning and time series analysis. Scientia Iranica, no. 30(1), pp.285-301. DOI: https://doi.org/10.24200/sci.2020.55034.4040
Rudd M., Porter D. (2024). Forecasting Bitcoin price trajectories using a supply and demand framework. Available at: https://ssrn.com/abstract=5059523
Samizadeh I. (2024). Enhanced forecasting of bitcoin price dynamics using empirical evaluation of the time series forecasting model with integrated technical indicators and market repressor’s. DOI: https://doi.org/10.13140/RG.2.2.10560.34566
Shahzad A., Anwar Y., Nadeem M., Shair W. (2024). Cryptocurrency price dynamics: unveiling Bitcoin’s predictors. Journal of Policy Research, no. 10(3), pр. 459-469. DOI: https://doi.org/10.61506/02.00364.
Uras N, Marchesi L, Marchesi M, Tonelli R. (2020). Forecasting Bitcoin closing price series using linear regression and neural networks models. PeerJ Computer Science. DOI: https://doi.org/10.7717/peerj-cs.279
Zeba A., Jinan F., Ahmer S., Mahpar A. (2020). Bitcoin Price Prediction using ARIMA Model. DOI: https://doi.org/10.36227/techrxiv.12098067
MACD Bitcoin data: weekly prices and histogram from 2018 to 2024. Available at: https://math-bitcoin-predictions.com/research/macd-bitcoin/
Гур’янова Л.С., Луценко Р.Р. Моделі аналізу динаміки ринку криптовалют з урахуванням поведінкових метрик стейкхолдерів за даними соціальних мереж. Бізнес інформ. 2024. №9. С.129-138 DOI: https://doi.org/10.32983/2222-4459-2024-9-129-138
Пилипченко О., Кузьмінський В., Чумаченко О. Використання методів технічного аналізу для прогнозування ринку крипто валют. Вчені записки Університету «КРОК». 2021. №4(64). С.28-35. DOI: https://doi.org/10.31732/2663-2209-2021-64-28-35
Пупов, Н. А., Завгородня Г. А. Використання методу лінійної регресії для прогнозування курсу крипто валюти. ITSynergy. 2024. №1. С.62–73. DOI: https://doi.org/10.53920/ITS-2024-1-5
Al-Nefaie AH, Aldhyani THH. Bitcoin price forecasting and trading: data analytics approaches. Electronics. 2022. №11(24). DOI: https://doi.org/10.3390/electronics11244088
Appel G. Technical analysis: power tools for the active investors. 2005. 241 р.
Bâra A., Oprea S.V. An ensemble learning method for Bitcoin price prediction based on volatility indicators and trend. Engineering Applications of Artificial Intelligence. 2024. №133 (А). DOI: https://doi.org/10.1016/j.engappai.2024.107991
Chen K.S., Yang J.J. Price dynamics and volatility jumps in bitcoin options. Financial Innovation. 2024. №10. Р.132. DOI: https://doi.org/10.1186/s40854-024-00653-z
Ignatenko A., Dokiienko L. Practical use of the maximum price of bitcoin dynamics and the MACD histogram to formulate trader's forecasts. Інвестиції: практика та досвід. 2025. №1. С.120-126. DOI: https://doi.org/10.32702/2306-6814.2025.1.120
Ignatenko A., Dokiienko L. Generating trader forecasts based on the dynamics of the minimum bitcoin price and the MACD histogram. International Scientific Journal "Internauka". Series: "Economic Sciences". 2025. №1. DOI: https://doi.org/10.25313/2520-2294-2025-1-10610
Maleki N., Nikoubin A., Rabbani M., Zeinali Y. Bitcoin price prediction based on other cryptocurrencies using machine learning and time series analysis. Scientia Iranica. 2023. №30(1). Р.285-301. DOI: https://doi.org/10.24200/sci.2020.55034.4040
Rudd M., Porter D. Forecasting Bitcoin price trajectories using a supply and demand framework. 2024. URL: https://ssrn.com/abstract=5059523
Samizadeh I. Enhanced forecasting of bitcoin price dynamics using empirical evaluation of the time series forecasting model with integrated technical indicators and market repressor’s. 2024. DOI: https://doi.org/10.13140/RG.2.2.10560.34566
Shahzad A., Anwar Y., Nadeem M., Shair W. Cryptocurrency price dynamics: unveiling Bitcoin’s predictors. Journal of Policy Research. 2024. №10(3). Р.459–469. DOI: https://doi.org/10.61506/02.00364
Uras N, Marchesi L, Marchesi M, Tonelli R. Forecasting Bitcoin closing price series using linear regression and neural networks models. PeerJ Computer Science. 2020. DOI: https://doi.org/10.7717/peerj-cs.279
Zeba A., Jinan F., Ahmer S., Mahpar A. Bitcoin Price Prediction using ARIMA Model. DOI: https://doi.org/10.36227/techrxiv.12098067.v1.
MACD Bitcoin data: weekly prices and histogram from 2018 to 2024. URL: https://math-bitcoin-predictions.com/research/macd-bitcoin/
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
