ФУНКЦИОНАЛЬНЫЕ МОДЕЛИ ДЛЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ ЦЕН БИТКОИНА

FUNCTIONAL MODELS FOR INTELLIGENT BITCOIN PRICE FORECASTING SYSTEM

Azamat Zhanuzakov

Student of Moscow Aviation Institute National Research University, Russia, Moscow

Zhanat Zhumatayeva

Academic advisor, Candidate of Sciences in Technologies, Associate professor, Branch "Voskhod" of the Moscow Aviation Institute in Baikonur, Kazakhstan, Baikonur

Аннотация. В статье рассматривается применение функционального моделирования с использованием нотации IDEF0 для описания процесса построения системы прогнозирования курса криптовалют. Основное внимание уделено формализации этапов обработки данных — от их сбора и предварительного анализа до генерации прогноза. Ранее выбронная модель позволяет наглядно отразить структуру системы, выявить ключевые функции и установить взаимосвязи между ними. Представленный подход может быть полезен при разработке аналитических систем, связанных с обработкой финансовых данных, включая задачи прогнозирования.

Abstract. The article discusses the application of functional modeling using the IDEF0 notation to describe the process of building a cryptocurrency exchange rate forecasting system. The main focus is on formalizing the stages of data processing, from data collection and preliminary analysis to forecast generation. The previously selected model allows you to visually reflect the structure of the system, identify key functions and establish relationships between them. The presented approach can be useful in the development of analytical systems related to financial data processing, including forecasting tasks.

Ключевые слова: Биткоин, прогнозирование, криптовалюта, обработка данных, IDEF0, функциональное моделирование, аналитика, информационная система, визуализация.

Keywords: Bitcoin, forecasting, cryptocurrency, data processing, IDEF0, functional modeling, analytics, information system, visualization.

Курс Биткоина за последние годы стал объектом активного изучения как со стороны инвесторов, так и исследователей. Цены на криптовалюту сильно колеблются под влиянием различных факторов, включая экономические новости, объемы торгов и общее состояние рынка. В связи с этим всё более актуальными становятся задачи по анализу и прогнозированию стоимости цифровых активов. В данной работе представлена функциональная схема с использованием методологии IDEF0, которая помогает наглядно показать этапы построения и работы системы.

Диаграммы IDEF0 используются для структурированного описания функций системы и процессов, что помогает лучше понять, как работает система в целом. В рамках работы по прогнозированию цен Биткоина использование этой методологии позволяет:

1. Разделить процесс на логичные этапы, такие как сбор данных, их обработка и сам процесс прогнозирования, что упрощает понимание работы всей системы.

2. Показать взаимодействие между компонентами системы и наглядно продемонстрировать, как данные проходят через все этапы, что помогает улучшить организацию работы.

3. Выявить потенциальные ошибки или лишние шаги в процессе, которые можно будет исправить ещё на стадии проектирования, до начала реализации модели.

4.Сделать систему более понятной для дальнейших доработок, таких как добавление новых данных или использование более сложных моделей.

Для проектирования функциональных моделей системы используется специализированное инструментальное средство (Ramus Educational). Нотация IDEF0 помогает структурировать процессы системы, улучшая понимание функциональности и оптимизацию разработки. Средство моделирования позволяет создавать и редактировать диаграммы с высокой точностью.

Для построения контекстной диаграммы был проведен анализ процессов, связанных с обработкой данных финансовых рынков, моделированием и прогнозированием.

Входные данные:

1. Исторические данные о стоимости Биткоина.
2. Финансовые индикаторы (объемы торгов, капитализация, волатильность).
3. Данные о макроэкономических показателях (инфляция, процентные ставки).
4. Новости, касающиеся криптовалютного рынка.
5. Микроэкономические показатели

Выходные данные:

1. Прогноз стоимости Биткоина на определенный период.
2. Обновленная база данных.
3. Визуализированные прогнозные данные (графики, диаграммы).
4. Оценка точности прогнозной модели.
5. Рекомендации по инвестиционным решениям.
6. Свободная информация о текущем состоянии рынка криптовалют.

Исполнители:

1. Аналитик данных.
2. Разработчик.
3. Пользователь.

На рисунке 1 представлена диаграмма уровня A0.

Рисунок 1. Диаграмма уровня A0

На 2 рисунке отражена работа интеллектуальной системы прогнозирования цен на Биткоин. Она включает три основных процесса: обработку исторических данных, прогнозирование с учётом внешних факторов и формирование отчётности для пользователей. На выходе система предоставляет прогнозы, визуализации и инвестиционные рекомендации.

Рисунок 2. Декомпозиция системы на подсистемы

На рисунке 3 показана детализация процесса «Обработка исторических данных». Сначала выполняется сбор и объединение информации из разных источников, затем данные очищаются и дополняются. Всё это необходимо для формирования корректной базы, на которую можно опираться при дальнейшем прогнозировании.

Рисунок 3. Декомпозиция процесса подсистемы «Обработка исторических данных»

На рисунке 4 показан процесс прогнозирования с использованием внешних факторов. Вначале собираются необходимые данные, затем они подключаются к прогнозной модели. После этого система оценивает точность прогноза с учётом этих факторов, чтобы повысить надёжность результатов.

Рисунок 4. Декомпозиция процесса подсистемы «Прогнозирование с использованием внешних факторов»

На рисунке 5 показан процесс создания отчётности для пользователей. Сначала формируется общий аналитический отчёт, затем подготавливаются данные по ключевым факторам. Финальный этап — предоставление готовой отчётности пользователю в удобном виде.

Рисунок 5. Декомпозиция процесса подсистемы «Создание отчетности для пользователей»

В результате работы были построены функциональные модели в нотации IDEF0, с помощью которых удалось наглядно представить основные этапы системы прогнозирования цен Биткоина. Диаграммы показывают, как между собой связаны сбор и обработка данных, построение модели и получение прогноза. Также отражены входные данные, воздействия и выходы системы. Эти модели помогли лучше понять структуру разрабатываемой системы и использовались при разработке программной части.