Predicting the bitcoin trend using technical indicators for deep learning algorithmic features
Teknik göstergeleri kullanarak bitcoin trendini derin öğrenme ile tahmin etmek
- Tez No: 582215
- Danışmanlar: YRD. DOÇ. DR. AHMET ONUR DURAHİM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Ekonomi, Computer Engineering and Computer Science and Control, Science and Technology, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Bu araştırmada teknik göstergeleri farklı derin öğrenme yöntemleri ile kullanarak Bitcoin/Dolar paritesinin trendini tahmin etmek amaçlandı. Temel hedef, Bitcoin/Dolar paritesinin trendini tamin ederken, teknik göstergelerin kullanılması ile, yalın finansal veri olan açılış, kapanış, en yüksek, en düşük ve hacim (AKYDH) verilerinin kullanıldığı uygulamalardan daha iyi doğruluk başarım sonuçları elde etmek oldu. Bu doğrultuda, literatürde stok fiyatı tahmin etme alanında gösterdikleri başarımlardan ve teorik uyumluluklarndan ötürü, Derin Sinir Ağları (DSA), Uzun Kısa Vadeli Hafıza Ağları (UKVH) ve Kapılı Tekrarlayan Hücre (KTH) algoritmaları kullanıldı. AKYDH verilerine karşı test etmek amacı ile özellik kümesinde toplamda 156 adet teknik gösterge, matematiksel dönüşüm ve finansal kalıp kullanıldı. Bu araştırmadaki deneyler gösterdi ki, kullanılan bütün derin öğrenme modelleri için, teknik göstergeler kullanıldığında, bu göstergelerin kullanılmadığı, AKYDH verisinin kullanıldığı denemelerden daha başarılı sonuçlar elde edildi. Tek yönlü işlem komisyon oranı kullanılarak oluşturulan ve al, sat veya bekle sınıflarından oluşan, sınıf dağılımı açısından dengesiz veri kümesi için UKVH, kullanılan üç model arasında en başarılısı oldu. UKVH, bireysel sınıf tahminleme başarımlarının da kabul edilebilir ölçüde olduğu durumda %56.33'lük genel bir doğruluk tahminleme başarımı elde etti. AKYDH verisi ile bu başarım oranı en fazla %53.26 olabildi. Tek yönlü işlem komisyonu, daha dengeli dağılıma sahip bir veri kümesi elde etmek için değiştirildiğinde gözlemlenen en başarılı model %52.19 ile KTH oldu. Bu veri kümesi için AKYDH ancak %39.85'lik bir başarım elde edebildi.
Özet (Çeviri)
This research focused on utilization of technical indicators for predicting the trend of Bitcoin/USD price with different deep learning algorithms. The goal was to achieve better trend prediction accuracy results using technical indicators compared to using only close, open, high, low and volume (OHLCV) data for Bitcoin/USD parity. Through achieving this goal, three different deep learning algorithms, Deep Neural Networks (DNN), Long Short-Term Memory (LSTM) and Gated Recurrent Units (GRU) were used because of the performance they exhibit in literature for financial stock prediction domain and their theoretical convenience. 156 technical indicators, mathematical transformations and financial patterns were used in feature set to test against OHLCV data of Bitcoin/USD. Experiments in this research showed that, utilization of technical indicators produced better accuracy results compared to OHLCV data for all three prediction models. For the imbalanced dataset distribution produced by a one-way transaction cost to decide buy, hold or sell operations, LSTM performed best among the models used in this research with achieving 56.33% accuracy score with reasonable individual class prediction rates whereas raw data could achieve 53.26%. In the scenario for which the one-way transaction cost is tuned to have a uniformly distributed dataset, GRU performed best with achieving 52.19% accuracy score whereas raw data could achieve 39.85%.
Benzer Tezler
- Extracting cryptocurrency trading signals from raw financial data using technical indicators and deep learning
Teknik göstergeler ve derin öğrenme kullanarak işlenmemiş finansal verilerden kripto para alım ve satım sinyalleri elde etmek
BAŞAK KALFA
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ONUR DURAHİM
- Genelleştırilmiş toplamsal modeller ile Bitcoin için yön analizi
Directional analysis of Bitcoin using generalized additive models
İLAYDA ARIKAN
Yüksek Lisans
Türkçe
2024
EkonomiHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SERPİL AKTAŞ ALTUNAY
- Price prediction of different cryptocurrencies using technical trade indicators and machine learning
Teknik ticaret göstergeleri ve makine öğrenmesi kullanılarak farklı kripto para birimlerinin fiyat tahmini
MOHAMMED AL-AZZAWI
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Bitcoin trend oluşumlarının Elliott Dalga Prensipleri ile ilişkileri
Başlık çevirisi yok
ONUR ERKAN YILDIZ
Yüksek Lisans
Türkçe
2023
Ekonomiİstanbul Kültür Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. DENİZ DİLARA DERELİ
- Makine öğrenmesi yöntemleri ile bıtcoın trend dönüşlerinin tahmin edilmesi
Predicting bitcoin trends reversals with machine learning methods
SERGÜL ÜRGENÇ
Yüksek Lisans
Türkçe
2023
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. BARIŞ AŞIKGİL