Bondarchuk LiudmylaKaterna OlgaSemenova LiudmylaShevchenko Valentyna2024-05-202024-05-202023Bondarchuk L., Katerna O., Semenova L., Shevchenko V. Comparative profitability analysis on the global investment markets // International scientific journal «Internauka». Series: «Economic Sciences». – 2023. – №10. URL: https://www.inter-nauka.com/issues/economic2023/10/9271 https://doi.org/10.25313/2520-2294-2023-10-9271https://ir.duan.edu.ua/handle/123456789/4397-The article focuses on the comparative analysis of the dynamics of prices and profitability of the investment markets of precious metals (illustrated by the gold market), the Forex exchange market (the currency pair of EUR/USD), and the cryptocurrency Bitcoin. The purpose of the current study is making of the comparative analysis of the price dynamics and its profitability on the certain investment markets of the world, estimating the characteristics of the markets performance, developing of recommendations on the benefits of investing at different planning horizons, and building of the forecast of profitability, by usage of neural networks. It keeps the estimation of the statistical performance of the price dynamics of investment instruments, as well as the study of time series for presence of the deterministic chaos. As for the persistent time series, there was applied the method of sequential R/S analysis to determine the fuzzy memory depth. Taking into account that from the point of view of investment needs, not only the dynamics of the prices of the investment markets is quite significant for the analysis, but also its profitability, there were studied the time series of profitability. The above mentioned characteristics of the TS (statistical and fractal ones) can be used for comparison of the price dynamics both in the context of object-carriers (spacial comparison), and in the time section of comparing the changes in the nature of dynamics at different time intervals, in terms of determining the nature of the "response" to the impact of the environment (external and internal actions), etc. In terms of the stochastic nature of the profitability, it was proposed to study the family of time series of the "delayed" profitability. There was specified the time interval, required for the "delayed" profitability to receive the features of the time series of prices, as well as calculated the fuzzy memory depth. It became the basis for generation of the forecast model of the neural network in the software product Deductor. У статті проведено порівняльний аналіз динаміки цін і прибутковості інвестиційних ринків дорогоцінних металів. (на прикладі ринку золота), валютного ринку Forex (валютна пара EUR/USD) і криптовалюти Bitcoin. Метою даного дослідження є проведення порівняльного аналізу динаміки ціни та її прибутковості на окремих інвестиційних ринках світу, оцінка характеристик функціонування ринків, розробка рекомендацій щодо переваг інвестування на різних горизонтах планування та побудова прогнозу прибутковість, за рахунок використання нейронних мереж. Він зберігає оцінку статистичні показники динаміки цін інвестиційних інструментів, а також дослідження часових рядів на наявність детермінованого хаосу. Що стосується стійких часових рядів, для визначення глибини нечіткої пам'яті застосовано метод послідовного аналізу R/S. Беручи до уваги, що з точки зору З огляду на інвестиційні потреби, не лише динаміка цін на інвестиційних ринках є досить суттєвою для аналізу, а й його прибутковість, досліджувалися часові ряди прибутковості. Наведені вище характеристики ТС (статистичні та фрактальні) можуть бути використані для порівняння динаміки ціни як в розрізі об’єктів-носіїв (просторове порівняння), так і в часовому розрізі порівняння змін характеру динаміки при різні часові інтервали, з точки зору визначення характеру «відповіді» на вплив зовнішнього середовища (зовнішні та внутрішні дії) тощо. З точки зору стохастичності прибутковості запропоновано досліджувати сімейство часових рядів «відкладеної» прибутковості. Вказаний часовий інтервал, необхідний для «відкладеної» прибутковості для отримання особливостей часового ряду цін, а також розрахована глибина нечіткої пам'яті. Він став основою для генерації прогнозної моделі нейронної мережі в програмному продукті Deductor.enprofitabilityinvestment marketcryptocurrencyneural networkinvestment toolsArticle