Geri Dön

The forecast performance of classical time series models and machine learning algorithms on bitcoin series using exogenous variables

Klasik zaman serisi modellerinin ve makine öğrenme algoritmalarının bitcoin serisi üzerinde dışsal değişkenler kullanarak öngörü performansları

PDF İndir

  1. Tez No: 775453
  2. Yazar: SEVİLAY DOĞAN
  3. Danışmanlar: PROF. DR. CEYLAN YOZGATLIGİL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 89

Özet

Zaman serisi analizi, günler, haftalar, aylar veya yıllar boyunca herhangi bir alandaki zaman serisine neler olduğuna dair önemli bilgiler verir. Bitcoin, ekonomi ve finansta özel ilgi gördüğü için en popüler teknolojidir. Bu çalışmada en popüler kripto para bitcoin fiyatları için zaman serisi öngörüleri ve modellemesi ile ilgili bazı yaklaşımlar incelenmiştir. Çalışmada klasik zaman serisi yöntemleri ile makine öğrenmesi algoritmaları karşılaştırılmıştır. Klasik zaman serisi modelleri olarak bütünleşik otoregresif hareketli ortalama (ARIMA) ve Holt'un Üstel Düzgünleştirme yöntemleri kullanılmış olup, makine öğrenmesi algoritmaları olarak Prophet, Bayes Sinir Ağı, İleri Beslemeli Sinir Ağı ve Uzun Kısa Süreli Bellek ve Rastgele Ormanlar yöntemleri kullanılmıştır. Çalışmada kullanılan seri günlük olarak 2019-07-30 ile 2021-10-19 arasında seçilmiştir. Bitcoin fiyatları, bu modeller aracılığıyla en iyi iki kripto para birimi ethereum ve tether olan dışsal değişkenler, ekonomik ve teknolojik değişkenler ile tahmin edilmektedir. Modelin tahmin performanslarına göre, makine öğrenmesi yöntemleri çoğunlukla klasik zaman serisi yöntemlerinden daha iyi performans göstermektedir. Bitcoin fiyatları üzerinde dışsal değişkenler eklenerek kurulan Rastgele Orman algoritması ile iyi bir öngörü performansı elde edilmiştir.

Özet (Çeviri)

Time series analysis importantly gives insight into what happens to a time series on any subject for days, weeks, months or years. Bitcoin is the most popular technology since it has exclusive attention in economics and finance. In this study, some of the approaches are investigated about forecasting and modeling the most popular cryptocurency bitcoin prices.The performance of classical time series methods and machine learning algorithms are compared in the study. As classical time series models, Autoregressive Integrated Moving Average (ARIMA) and Holt's Exponential Smoothing methods are used, and Prophet, Bayesian Neural Network, Feed Forward Neural Network and Long Short Term Memory and Random Forest are the methods used as machine learning algortihms. The study period is chosen from 2019-07-30 to 2021-10-19 as daily. The bitcoin prices are predicted with exogenous variables which are ethereum and tether two top cryptocurrencies, economic and technological variables via these models. According to forecast performances of the models, machine learning methods mostly outperform the classical time series methods. With Random Forest algorithm, a very good forecast perfromance is obtained with the exogenous variables on the bitcoin prices.

Benzer Tezler

  1. Tez No

    826751

    The forecast performances of the classical time series model and machine learning algorithms on bist-50 price index using exogenous variables

    Klasik zaman serisi modelinin ve makine öğrenme algoritmalarının bıst-50 fiyat endeksi üzerinde dışsal değişkenler kullanarak öngörü performansları

    FATMA PARLAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. CEYLAN YOZGATLIGİL

  2. Tez No

    512523

    Forecasting electricity prices in Turkey: A comparison of classical econometrics and machine learning techniques

    Türkiye'de gün öncesi elektrik fiyatları tahmini: Klasik ekonometri ve makine öğrenme teknikleri karşılaştırması

    YUNUS EMRE KARAGÜLLE

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Ekonometriİstanbul Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU

  3. Tez No

    745828

    Price forecasting with machine learning: An application in stainless steel industry

    Makine öğrenmesi ile fiyat tahmini: Paslanmaz çelik sektörü uygulaması

    ERAY DUMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiMarmara Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN SELÇUK KILIÇ

  4. Tez No

    893570

    Kızamık vaka sayılarının bilgisayar destekli öngörülmesi için farklı zaman serisi modellerinin performans karşılaştırması

    Performance comparison of different time series models for computer-aided forecasting of measles case numbers

    ÖZCAN GÜLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR CİHAN

  5. Tez No

    865263

    Dağıtılan elektrik enerjisi miktarının öngörümlenmesi: Zaman serisi, makine öğrenmesi ve melez modellerin karşılaştırılması

    Forecasting distributed electricity energy amounts: A comparison of time series, machine learning and hybrid models

    DERYA AKPINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. EMRAH GÜLAY

Geri Dön