Робота присвячена питанням короткострокового прогнозування валютних курсів за допомогою моделей глибокого навчання, що є актуальним як для наукової спільноти, так і для трейдерів та інвесторів. Метою роботи є побудова моделі прогнозу напряму зміни руху цін валютних котирувань на основі глибоких нейронних мереж. В основу розробленої архітектури було покладено модель вентильного рекурентного вузла, що є модифікацією моделі «довготривалої короткочасної пам’яті», але є більш простою за кількістю параметрів і часом навчання. Проведено прогнозні розрахунки динаміки котирувань валютної пари євро/ долар і найбільш капіталізованої криптовалюти біткоїн/долар із використанням щоденних, чотиригодинних і щогодинних спостережень. Отримані результати бінарної класифікації (прогнозу напряму зміни тренду) під час застосування щоденних і годинних котирувань виявились загалом кращими, ніж дають моделі часових рядів, або моделі нейронних мереж іншої архітектури (зокрема, багатошарового персептрону, чи моделі на основі «довготривалої короткочасної пам’яті»). Згідно з одержаними результатами, найбільша точність класифікації виявилася для моделі щоденних котирувань як для євро / долар – близько 72 %, так і для біткоїн / долар – близько 69 %. Під час використання чотирьохгодинних і щогодинних часових рядів точність класифікації зменшувалась, що можна пояснити як збільшенням впливу «ринкового шуму», так і вірогідним перенавчанням моделей. Унаслідок комп’ютерних експериментів було з’ясовано, що моделі краще прогнозують зростаючий тренд, ніж спадаючий. Проведене дослідження підтвердило перспективність застосування моделей глибокого навчання для задач короткострокового прогнозування часових рядів валютних котирувань. Водночас використання розроблених моделей виявилось ефективним як для фіатних, так і для криптовалют. Запропоновану систему моделей на основі глибоких нейронних мереж можна покласти в основу під час розробки автоматизованої торгової системи на валютному ринку.