Browsing by Author "Мовсесянц, Артем Михайлович"

Now showing 1 - 5 of 5

Основні ризики криптовалютного ринку
(Український державний університет науки і технологій, Дніпро, 2024) Мовсесянц, Артем Михайлович
UKR: Статтю присвячено дослідженню ризиків, які супроводжують діяльність ринку криптовалют. Надано характеристику поняттю криптовалюти, показано основні їх переваги та недоліки. Охарактеризовано шляхи отримання криптовалюти. Виявлено, що функціонування ринку криптовалют пов’язане з ризиками для національної економіки: фінансової стабільності, інвестиційної та банківської діяльності, а також інвестиціною діяльністю на ринку криптовалют.
Ризики функціонування блокчейн-платформ в умовах впровадження технології Web3
(ННІ «Придніпровська державна академія будівництва та архітектури», Дніпро, 2025) Козенкова, Владислава Дмитрівна; Мовсесянц, Артем Михайлович
UKR: У статті розглядається комплексний аналіз ключових ризиків, що супроводжують функціонування крипто-платформ у контексті переходу до Web3. Проаналізовано діяльність провідних крипто-платформ. Виявлено основні види ризиків впровадження технології Web3, зокрема волатильність криптовалют, регуляторна невизначеність, питання кібербезпеки, специфічні ризики децентралізованих фінансів та нефункціональних токенів, проблеми масштабованості, доступності та екологічності. Запропоновано стратегію для мінімізації цих ризиків. Розроблена дорожня карта реалізації стратегії ризик-менеджменту, яка деталізує етапи ідентифікації, оцінки, управління та моніторингу ризиків, надаючи конкретні інструменти для ефективної реалізації кожного етапу. Впровадження запропонованої стратегії дозволить створити сприятливе середовище для подальшого надійного та стійкого розвитку технологій Web3 та криптовалютного ринку.
Сучасні методи прогнозування волатильності ринків криптовалют
(НТУ «Дніпровська політехніка», Дніпро, 2025) Козенкова, Владислава Дмитрівна; Мовсесянц, Артем Михайлович
UKR: Методологія дослідження. Застосування методу абстракції дозволило виділити характеристики волатильності, спрощуючи аналіз складних фінансових даних ринку криптовалют. Аналіз із синтезом сприяв виявленню закономірностей та інтеграції традиційних і сучасних підходів до прогнозування, забезпечивши комплексну оцінку методів. Логічний та історичний підходи дали змогу провести еволюційний аналіз, а методи класифікації за принципами загального та особливого аналізу, у комбінації з порівняльним і абстрактно-логічним аналізом, дозволили об’єктивно оцінити ефективність розроблених моделей та обґрунтувати доцільність розробки інноваційних рішень для оптимізації торгових стратегій та мінімізації ризиків. Результати. У дослідженні проведено порівняльний аналіз методів прогнозування волатильності ринків криптовалют з використанням традиційних статистичних підходів та сучасних алгоритмів машинного навчання. Отримані результати підтверджують переваги інтеграції класичних методів із алгоритмами машинного навчання, що дозволяють більш точно оцінювати ризики та оптимізувати торгові стратегії в умовах високої волатильності криптовалютних ринків. Визначену волатильність можна використовувати разом із Reinforcement Learning (RL) для оптимізації торгових стратегій, що дозволяє агенту навчатися приймати рішення в середовищі для максимізації кумулятивної винагороди. Використання RL в торгівлі криптовалютою є перспективним напрямком, але вимагає обережного підходу та ретельного тестування стратегій перед їх застосуванням в реальній торгівлі. Новизна. Наукова новизна полягає в комплексному підході до прогнозування волатильності ринків криптовалют, що поєднує класичні статистичні методи з сучасними алгоритмами машинного навчання. Встановлено переваги ансамблевих методів машинного навчання для аналізу волатильності криптовалют. Запропоновано інтеграцію навчання з підкріпленням (RL) для оптимізації торгових стратегій на основі прогнозованої волатильності, що є новим підходом до автоматизації торгівлі криптовалютами. Практична значущість. Результати дослідження мають практичне значення для учасників ринку криптовалют, включаючи інвесторів, трейдерів та фінансових аналітиків. Інтеграція методів машинного навчання з традиційними статистичними підходами відкриває нові можливості для розробки ефективних торгових стратегій, що сприяє підвищенню прибутковості та стабільності на ринку криптовалют ринку. Дослідження також корисне для розробників торгових платформ та аналітичних інструментів, оскільки надає емпіричні дані для вдосконалення алгоритмів прогнозування та аналізу ринкових даних.
Технології управління розвитком бізнесу : навчально-методичні рекомендації до вивчення дисципліни
(Український державний університет науки і технологій, Дніпро, 2025) Козенков, Дмитро Євгенович; Мовсесянц, Артем Михайлович
UKR: Навчально-методичні рекомендації містять основні теоретичні положення для засвоєння матеріалу курсу, ситуаційні завдання та кейси, індивідуальні завдання і перелік рекомендованої літератури. Навчально-методичні рекомендації призначені для опанування освітньої компоненти «Технології управління розвитком бізнесу» за спеціальністю D3 «Менеджмент» для ОПП «Бізнес-адміністрування» освітнього рівня магістр заочної форми навчання..
Технічні методи управління психологічними ризиками на ринках цифрових активів
(Український державний університет науки і технологій, Дніпро, 2025) Мовсесянц, Артем Михайлович
UKR: Стаття присвячена аналізу технічних методів управління психологічними ризиками на ринках цифрових активів. Розглянуто ключові інструменти, такі як системи стоп-лосс та тейк-профіт, диверсифікація портфеля, автоматизація торгівлі, тестування стратегій та співвідношення ризику до винагороди. Досліджено їх вплив на зменшення емоційного фактору та підвищення стабільності інвестиційних рішень. Проаналізовано переваги та недоліки кожного методу, а також запропоновано рекомендації щодо їх комплексного застосування. Особливу увагу приділено впливу волатильності ринку на ефективність застосування даних методів, а також необхідності адаптації стратегій до мінливих ринкових умов.