Geri Dön

Derin öğrenme ile kripto para piyasasında kısa vadeli tahmin gerçekleştirilmesi

Making short-term forecasting in the cryptocurrency market with deep learning

  1. Tez No: 844122
  2. Yazar: MUHAMMED ALPEREN MOĞOL
  3. Danışmanlar: PROF. DR. NECAATTİN BARIŞÇI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 94

Özet

Tarih süresince gelişimini sürdüren Finans Sistemi, bilişim devriminin gerçekleşmesiyle birlikte bankacılık ve transfer sistemine yeni bir yaklaşım önererek kripto para piyasasını ortaya çıkarmıştır. Kripto para piyasasının ortaya çıkışı bu alanda incelemeler, öngörüler, yorumlama ve tahmin çalışmalarını da beraberinde getirmiştir. Makine Öğreniminin ortaya çıkışı ve çeşitli sektörlerde başarılı uygulamalar geliştirmesi bu alanlara finans sektörüne de yansımasını sağlamıştır. Borsa sisteminde, dolar/euro altın tahmini gibi birçok alanda çalışmalar kripto para piyasasının ortaya çıkışıyla bu alana da yönelmiştir. Makine Öğrenim algoritmalarının gelişimi ve derin öğrenme modellerinin ortaya çıkışıyla bu alanda birçok yeni mimari yapı, model ve yaklaşımlar ortaya çıkmıştır. Yapılan bu tez çalışmasında Bitcoin üzerinde kısa dönem fiyat tahmini gerçekleştirmek için topluluk öğrenmesi kullanılarak yeni bir hibrit derin öğrenme mimari yapısı önerilmiştir. Aynı zamanda hibrit derin öğrenme yapıları arasında karşılaştırma yapmak ve davranışlarını yorumlayabilmek için bir kısım deneysel çalışma gerçekleştirilmiştir. Önerilen yapıda farklı girişlerle iki farklı derin öğrenme modeli birleştirme katmanında belirli ağırlık oranlarında birleştirildi ve sonrasında lineer bir derin öğrenme katmanından geçirilecek şekilde bir model inşasına gidilmiştir. Bu yapıda paralel derin öğrenme modeli olarak; ESA, UKSB, KTB ve IY-UKSB mimarileri, lineer yapıda yer alan derin öğrenme modelinde ise ESA, KTB ve UKSB yapıları kullanılmıştır. 1, 3, 5 ve 7 günlük tahmin gerçekleştirilen çalışmada, performans metriği olarak KOKH, OKH, OMH ve OMYH seçilen bu çalışmada elde edilen en iyi metrik 1 günlük tahminde yer almakta olup KOKH; 0,013292, OKH; 0,000176 OMH; 0,008275 ve OMYH; 0,035977 çıktıları elde edilmiştir.

Özet (Çeviri)

The Financial System, which has continued its development throughout history, has revealed the cryptocurrency market by proposing a new approach to the banking and transfer system with the realization of the information revolution. The emergence of the cryptocurrency market has brought about investigations, predictions, interpretation and forecasting studies in this field. The emergence of Machine Learning and the development of successful applications in various sectors have reflected these areas in the finance sector as well. Studies in many areas such as the stock market system and dollar/euro gold forecasting have turned to this field with the emergence of the cryptocurrency market. With the development of Machine Learning algorithms and the emergence of deep learning models, many new architectural structures, models and approaches have emerged in this field. In this thesis study, a new hybrid deep learning architecture structure is proposed using ensemble learning to perform short-term price prediction on Bitcoin. At the same time, some experimental studies were carried out to compare hybrid deep learning structures and interpret their behavior. In the proposed structure, two different deep learning models with different inputs were combined at certain weight ratios in the combination layer, and then a model was constructed to be passed through a linear deep learning layer. As a parallel deep learning model in this structure; CNN, LSTM, GRU and BiLSTM architectures were used, and CNN, GRU and LSTM structures were used in the linear deep learning model. In the study where 1, 3, 5 and 7-day forecasts were made, RMSE, MSE, MAE and MAPE were selected as performance metrics. The best metric obtained in this study is in the 1-day forecast and RMSE; 0.013292, MSE; 0.000176 MAE; 0.008275 and MAPE; 0.035977 outputs were obtained.

Benzer Tezler

  1. Pairs trading in cryptocurrency market using deep reinforcement learning

    Başlık çevirisi yok

    CEM KAYA GÜRKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ ATA

  2. Kripto para fiyatlarının LSTM ve GRU modelleri ile tahmini

    Prediction of crypto money prices with LSTM and GRU models

    ESRANUR DEMİRCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İşletmeSüleyman Demirel Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. MELTEM KARAATLI

  3. Investigation of financial applications with blockchain technology

    Blockchaın teknolojsı ıle fınansal uygulamaların incelenmesi

    MOHAMMED ALI MOHAMMED MOHAMMED

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FUAT TÜRK

  4. 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

  5. Derin öğrenme ile ethereum fiyat tahmini

    Ethereum price prediction with deep learning

    MUSTAFA YALÇIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBatman Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER FARUK ERTUĞRUL