Makine öğrenmesi algoritmalarını kullanarak Bitcoin fiyat tahmini
Bitcoin price prediction using machine learning algorithms
- Tez No: 744616
- Danışmanlar: PROF. DR. NURCAN METİN
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İşletme, Econometrics, Business Administration
- Anahtar Kelimeler: Algoritmalar, Bitcoin, Fiyat tahmini, Makine öğrenmesi yöntemleri, Sanal para, Algorithms, Bitcoin, Price ferecasting, Machine learning methods, Virtual money
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Ekonometri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yatırımcılar için finansal piyasaların gelecek değerlerinin tahminini bilmek önemlidir. Bunun sebebi yatırımcıların yapmış oldukları yatırımların kendilerine maksimum kar sağlamasını istemesi ve zarara uğramak istememesidir. Ancak finansal zaman serilerinin özelliği olan aşırı oynaklık tahminin doğruluk yüzdesini azaltmaktadır. Çalışmada 1826 gözlemden oluşan Bitcoin'e ait günlük kapanış değerleri kullanılarak makine öğrenmesi algoritmaları ile 1827. gün kapanış tahmini gerçekleştirilmektedir. Tahmin için belirlenen algoritmalar Destek Vektör Regresyonu, Rastgele Orman Regresyonu ve k-En Yakın Komşular Regresyonu olmaktadır. Tahmin algoritmalarının performans ve doğruluklarını değerlendirmek için MSE, RMSE ve〖 R〗^2 değerleri dikkate alınmaktadır. Tüm tahmin grafikleri ve model performans metrikleri incelendiğinde en iyi tahmini Rastgele Orman Regresyonu gerçekleştirmektedir. Destek Vektör Regresyonları içinde serinin polinominal artış göstermesinden dolayı en iyi tahmini verdiği ancak doğrusal, radyal tabanlı ve sigmoid çekirdek fonksiyonlu tahmin algoritmalarının etkin çalışmadığı görülmektedir. k- En Yakın Komşu Regresyonunun ise Rastgele Orman tahmini kadar etkin tahmin yaptığı görülmektedir. Sonuç olarak belirlenen makine öğrenmesi tahmin algoritmaları içinden en az hata ve en yüksek 〖 R〗^2 değerine sahip olarak Rastgele Orman Regresyonu olmaktadır. Bitcoin'e ait veriler www.investing.com 'dan alınmıştır. Tüm kodlar Python'da yazılmış olup, model tahminleri için scikit-learn kütüphanesinden faydalanılmışır.
Özet (Çeviri)
It is important for investors to know the forecast of the future values of financial markets. This is because investors want their investments to provide them with maximum profit and do not want to be damaged. However, the characteristic of the financial time series, excessive volatility reduces the percentage of accuracy of the estimate. With machine learning algorithms using the daily closing values of Bitcoin, which consist of 1826 observations in the study 1827. The day closing forecast is being carried out. The algorithms determined for estimation are the Support Vector Regression, Random Forest Regression, and k-Nearest Neighbors Regression. MSE, RMSE, and 〖 R〗^2 values are taken into account to assess the performance and accuracy of prediction algorithms. When all forecasting graphics and model performance metrics are reviewed, the best estimate is Random Forest Regression. The Support Vector Regressions show that the series provides the best estimate due to the polynominal increase, but the prediction algorithms with linear, radial-based and sigmoid core function do not function effectively. the k-nearest neighbor Regression is seen to be predicting as much effective as the Random Forest forecast. The resulting machine learning has a Random Forest Regression of at least error within the estimation algorithms and with the highest value of R^2. Bitcoin data is derived from www.investing.com. All the codes are written in Python, and the scikit-learn library is used for model estimates.
Benzer Tezler
- Investigation of financial applications with blockchain technology
Blockchaın teknolojsı ıle fınansal uygulamaların incelenmesi
MOHAMMED ALI MOHAMMED MOHAMMED
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUAT TÜRK
- Optuna tabanlı makine öğrenmesi yöntemleriyle Bitcoin fiyat tahminleme yaklaşımları
Bitcoin price forecasting approaches with optuna-based machine learning methods
BERKAY YILDIRIM
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT TAŞKIRAN
- Makine öğrenmesi algoritmaları ile Bitcoin fiyat tahmini: Finansal, makroekonomik ve zincir üstü verilerin açıklanabilir yapay zeka ile analizi
Bitcoin price prediction with machine learning algorithms: Analyzing financial, macroeconomic, and on-chain data with explainable artificial intelligence
ZEYNEP KILIÇ
- Bitcoin price prediction with machine learning
Makine öğrenmesi ile Bitcoin fiyat tahmini
İLKAY SİBEL KERVANCI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET FATİH AKAY
- Derin öğrenme ile kripto para piyasasında kısa vadeli tahmin gerçekleştirilmesi
Making short-term forecasting in the cryptocurrency market with deep learning
MUHAMMED ALPEREN MOĞOL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NECAATTİN BARIŞÇI