Реклама. ООО «ЛитРес», ИНН: 7719571260.
Введение
Рост криптовалютного рынка и его уникальные особенности
Проблемы традиционных методов анализа
Часть I: Теоретические основы
1.1. Что такое вейвлеты? Краткая история и ключевые понятия
1.2. Сравнение вейвлет-преобразования с Фурье-анализом
1.3. Виды вейвлетов: Хаара, Добеши, Морле и другие
2. Вейвлет Морле: математическая модель
2.1. Формула и свойства вейвлета Морле
2.2. Локализация во времени и частоте: почему это важно?
2.3. Способность анализировать нестационарные сигналы
3. Специфика криптовалютных данных
3.1. Высокая волатильность и шумы
3.2. Нестационарность и мультифрактальность ценовых рядов
3.3. Проблемы классических методов в условиях нестационарности и мультифрактальности
Часть II: Практическое применение вейвлета Морле
4. Анализ временных рядов криптовалют
4.1. Декомпозиция сигнала: выявление трендов, циклов и шумов
4.2. Примеры графиков вейвлет-спектрограмм для Bitcoin и Ethereum
4.3. Обнаружение аномалий (внезапные падения/рост, халвинги)
5. Прогнозирование и стратегии
5.1. Использование вейвлет-коэффициентов для предсказания цен
5.2. Создание гибридных моделей (вейвлеты + машинное обучение)
5.3. Примеры торговых стратегий на основе вейвлет-анализа
6. Сравнение с другими методами
6.1. Вейвлет Морле vs. STFT (кратковременное преобразование Фурье)
6.2. Эффективность против методов ARIMA, GARCH и нейросетей
Часть III: Инструменты и реализация. 7. Программное обеспечение для вейвлет-анализа
7.1. Библиотеки Python: PyWavelets, SciPy, Matplotlib
7.2. Пример кода для построения вейвлет-спектрограммы
7.3. Интеграция с платформами анализа криптовалют (TradingView, CoinMetrics)
8. Пошаговый кейс: Анализ Bitcoin с 2017 по 2023 год
8.1. Подготовка данных: очистка и нормализация
8.2. Визуализация циклов и ключевых событий (ковидный крах 2020, FTX-коллапс 2022)
8.3. Интерпретация результатов и выводы
Часть IV: Ограничения и перспективы. 9. Недостатки вейвлета Морле
9.1. Сложность выбора оптимальных параметров (масштаб, сдвиг)
9.2. Вычислительная ресурсоемкость для больших данных
10. Будущее вейвлет-анализа в финансах
10.1. Алгоритмы реального времени для трейдинга
10.2. Комбинация с квантовыми вычислениями и AI
11. Итоги исследования
Приложения