Geri Dön

Kripto para fiyatlarının LSTM ve GRU modelleri ile tahmini

Prediction of crypto money prices with LSTM and GRU models

  1. Tez No: 758580
  2. Yazar: ESRANUR DEMİRCİ
  3. Danışmanlar: DOÇ. DR. MELTEM KARAATLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 155

Özet

Yakın geçmişte hayatımıza giren ve kısa zamanda finansal piyasalarda kendisine yer bulan kripto paralar, hem bir değişim aracı hem de bir yatırım aracı olarak kullanılmaktadır. Kripto para ticareti, artan bir işlem hacmine sahiptir. Piyasadaki yatırımcılar da kripto paraların kar potansiyeline inanmış olmalı ki her geçen gün işlemci sayısı da artmaktadır. Mart 2021 itibarıyla 35 binden fazla borsada 8 binden fazla kripto para işlem görmektedir. Gerçekleşen işlemlerin yaklaşık %60'ı piyasasının en popüler parası Bitcoin'de gerçekleşmektedir. Kripto paraların merkezi bir otoritenin kontrolünde olmaması bu araçların fiyatlarında dalgalanmaları beraberinde getirmiştir. Kripto para fiyatlarında gerçekleşen yüksek oynaklık bu araçların fiyatları ile ilgili gelecek tahmini yapmayı zorlaştırmaktadır. Bu nedenle, akıllı bir tahmin modelinin geliştirilmesi, yatırım yapılacak finansal varlıkların seçimi ve yatırım kararlarının hayata geçirilmesi açısından oldukça önemlidir. Böylelikle yatırımcıların potansiyel kârlarını arttırmalarına imkân sağlanacaktır. Derin öğrenme ve yapay zeka, yatırım yapılacak olan kripto para birimi ve diğer yatırım araçlarının seçiminde kullanılmaktadır. Tekrarlayan Sinir Ağı (RNN), Uzun-Kısa Süreli Bellek (LSTM) ve Geçitli Yinelenen Birim (GRU) modeli gibi derin öğrenme modellerinin, kripto para birimi fiyat tahmininde geleneksel zaman serisi modellerinden daha iyi performans gösterdiği araştırmacılar tarafından kanıtlanmıştır. Bundan dolayı bu çalışmada, özel bir RNN yöntemi olan LSTM ve GRU'dan yararlanılarak, günümüzde piyasa değeri ve işlem hacmi en yüksek olan kripto paralardan Bitcoin, Ethereum ve Ripple'ın 30 günlük fiyat tahmininde bulunulmuştur. Araştırmanın sonucunda her iki modelde de en iyi tahmin sonucunu Bitcoin vermiştir. İkinci en iyi tahmin sonucu Ripple, sonrasında ise Ethereum için bulunmuştur. Kullanılan yöntemler karşılaştırıldığında ise MAPE performans ölçütüne göre en iyi tahmin sonucuna Bitcoin ve Ripple için GRU, Ethereum için ise LSTM modeli ile ulaşılmıştır.

Özet (Çeviri)

Cryptocurrencies, which entered our lives in the recent past and soon found a place in financial markets, are used both as an exchange tool and an investment tool. Cryptocurrency trading has an increasing transaction volume. Investors in the market must have believed in the profit potential of crypto money, as the number of processors is increasing day by day. As of March 2021, more than 8 thousand cryptocurrencies are traded in more than 35 thousand exchanges. Approximately 60% of the transactions are carried out in Bitcoin, the most popular currency in the market. The fact that cryptocurrencies are not under the control of a central authority has brought fluctuations in the prices of these instruments. High volatility in crypto currency prices makes it difficult to predict the prices of these instruments. Therefore, developing a smart prediction model is very important in terms of choosing the financial assets to be invested and realizing investment decisions. This will enable investors to increase their potential profits. Deep learning and artificial intelligence are used in the selection of cryptocurrency and other investment instruments to be invested. Deep learning models such as the Recurrent Neural Network (RNN), Long-Short Term Memory (LSTM) and the Gated Repeating Unit (GRU) model have been proven by researchers to outperform traditional time series models in cryptocurrency price prediction. For this reason, in this study, a 30-day price estimate of Bitcoin, Ethereum and Ripple, which are the crypto currencies with the highest market value and transaction volume, has been made using LSTM and GRU, a special RNN method. As a result of the research, Bitcoin gave the best prediction result in both models. The second best prediction result was found for Ripple, then Ethereum. When the methods used were compared, the best estimation result was reached with the GRU model for Bitcoin and Ripple, and the LSTM model for Ethereum, according to the MAPE performance criterion.

Benzer Tezler

  1. Derin ve hibrit derin öğrenme teknikleriyle kripto para fiyat tahmini

    Cryptocurrency price prediction using deep and hybrid deep learning techniques

    HASAN KİLİMCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET YILDIRIM

  2. Kripto paralar ve uluslararası ticaret üzerine bir araştırma: Bibliyometrik, LSTM ve kümeleme analizi

    A research on crypto coins and international trade: bibliometric, LSTM and cluster analysis

    İLKER İBRAHİM AVŞAR

    Doktora

    Türkçe

    Türkçe

    2020

    EkonomiHasan Kalyoncu Üniversitesi

    Uluslararası Ticaret ve Lojistik Ana Bilim Dalı

    PROF. DR. ZEHRA VİLDAN SERİN

  3. Kripto para değerlerinin yapay zekâ teknikleri ile tahmini

    Forecasting of cryptocurrency prices using artificial intelligence techniques

    FURKAN ATLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İHSAN PENÇE

  4. Majör koin verileri kullanılarak alt-token'ların fiyatlarının makine öğrenimi modelleri ile tahmini

    Predicting the prices of sub-tokens using major coin data through machine learning models

    MUHAMMET APAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    EkonometriBursa Uludağ Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. MEHMET ÇINAR

  5. Financial asset price prediction with graph neural network-based temporal deep learning models

    Çizge sinir ağı tabanlı zamansal derin öğrenme modelleri ile finansal varlık fiyat tahmini

    YASİN UYGUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE SEFER