Derin öğrenme ile kripto para piyasasında kısa vadeli tahmin gerçekleştirilmesi
Making short-term forecasting in the cryptocurrency market with deep learning
- Tez No: 844122
- Danışmanlar: PROF. DR. NECAATTİN BARIŞÇI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Pairs trading in cryptocurrency market using deep reinforcement learning
Başlık çevirisi yok
CEM KAYA GÜRKAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ ATA
- Kripto para fiyatlarının LSTM ve GRU modelleri ile tahmini
Prediction of crypto money prices with LSTM and GRU models
ESRANUR DEMİRCİ
Yüksek Lisans
Türkçe
2021
İşletmeSüleyman Demirel Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. MELTEM KARAATLI
- 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
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE SEFER
- Derin öğrenme ile ethereum fiyat tahmini
Ethereum price prediction with deep learning
MUSTAFA YALÇIN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER FARUK ERTUĞRUL