Geri Dön

Trend analyses and price predictions on cryptocurrencies by using artificial intelligence

Kripto paraların yapay zeka ile yönelim analizleri ve fiyat tahminleri

  1. Tez No: 847130
  2. Yazar: COŞKUN DENİZ
  3. Danışmanlar: DOÇ. DR. BORA CANBULA
  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: İngilizce
  9. Üniversite: Manisa Celal Bayar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 85

Özet

Bitcoin'in (BTC) ilk kez 2008 yılında Satoshi Nakamoto tarafından beyaz sayfasasında ileri sürülmesinden itibaren, şifrelenmiş veri dizgisinin merkezi olmayan şebeke mimarisi ve şeffaf defter olarak kullanıldığı kripto-para ya da blok-zincir para kavramı günümüz dijital parasının temelini oluşturmuştur. Günümüzde, BTC, Ethereum (ETH), Litecoin (LTC), Ripple (XRP), Monero (XMR), gibi 25,000'in üzerinde kripto-para bulunmaktadır ve bunların gelecek değerlerinin tahmin edilmesi önemli bir araştırma konusudur. Bu çalışmada, Kripto paraların yapay zeka (YZ, İng.: AI) ile yönelim analizleri ve fiyat tahminleri araştırılmıştır. YZ, bilgisayar biliminin normalde insan zekası gerektiren görevleri yerine getirecek kapasitede makinelerin tasarlanması ile ilgilenen geniş yelpazede bir disiplinler arası daldır. YZ, muhakeme etme ve tecrübe ederek öğrenme gibi makinelerin insan zekasını taklit etme ve geliştirme yeteneğini içerir. YZ'nın, Makine Öğrenmesi (MÖ, İng. ML) şeklinde alt sınıfı ve onun da Derin Öğrenme (DÖ, İng. DL) olarak adlandırılan diğer bir alt sınıfı vardır. Kripto paraların gelecek değerlerinin tahmininde, istatistiksel yöntemlerin yanı sıra, MÖ'nin Yapay Sinir Ağları (YSA, İng. ANN) ve Linear Regresyon (LR) yöntemleri ile, DÖ'nin Evrişimli Sinir Ağları (ESA, İng. CNN) ve Uzun Kısa-Süreli Bellek (UKSB, İng.: LSTM) şeklinde bellli bazı yöntemlerin kullanıldığı literatürde görmektedir. Bu çalışmada, Yahoo-finance web sitelerinden elde edilen mum-çubuk veri setleri kullanılark, en popular kripto para birimi olan BTC'in gelecek fiyat tahmini yapmak üzere, LR ve ANN şeklinde iki temel YZ regresyon yöntemi, iki farklı tahmin modeli üzerinde Python kodlarıyla çalışılmıştır. Çalışılan beş farklı veri setinin dışında kalan on tane gelecek BTC değeri doğrulukla tahmin edilmiştir.

Özet (Çeviri)

Since the introduction of Bitcoin (BTC) for the first time in 2008 by Satoshi Nakamoto through his white paper, concept of cryptocurrency or block-chain currency where encrypted data string is used in an architecture of decentralized network and transparent ledger has become the basis of today's digital currencies. Today there are more than 25,000 cryptocurrencies like BTC, Ethereum (ETH), Litecoin (LTC), Ripple (XRP), Monero (XMR), etc. and prediction of their future values is a major task. In this work, trend analyses and price predictions of cryptocurrencies by using artificial intelligence (AI) is being studied. AI is a wide-ranging interdisciplinary branch of computer science concerned with building smart machines capable of performing tasks that normally require human intelligence. It involves the ability of machines to replicate or enhance human intelligence, such as reasoning and learning from experience. AI has a main subclass of Machine Learning (ML) which has another subclass called Deep Learning (DL). From literature it seems that, beside statistical methods, some certain methods like Artificial Neural Network (ANN) and Linear Regression (LR) in the ML and Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM) in the DL are used to predict future price values of crypto-currencies. In this work, we study two fundamental AI regression techniques, namely, LR and ANN in two different prediction models to predict the future value of the most popular crypto-currency, BTC, by using different candle-stick datasets obtained from Yahoo-finance websites via Python codes. Next ten upcoming BTC values outside the five different datasets studied here are predicted successfully.

Benzer Tezler

  1. 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

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM

  2. Bitcoin fiyat hareketlerinin makine öğrenme algoritmaları ile tahmini

    Forecasting bitcoin price movements with machine learning algorithms

    HULUSİ MEHMET TANRIKULU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İşletmeBayburt Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. HAKAN PABUÇCU

  3. Genelleştırilmiş toplamsal modeller ile Bitcoin için yön analizi

    Directional analysis of Bitcoin using generalized additive models

    İLAYDA ARIKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    EkonomiHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. SERPİL AKTAŞ ALTUNAY

  4. Türk sanayi şirketlerinde sistematik risklerin önemi ve ölçülmesi- döviz kuru, faiz oranı ve emtia fiyatı risklerinin LSTM yapay sinir ağıla tahmin edilmesi

    The importance and measurement of systematic risks in Turkish industrial companies-prediction of exchange rate, interest rate, and commodity price risks using LSTM neural network

    MUSTAFA ADIGÜZEL

    Doktora

    Türkçe

    Türkçe

    2024

    Ekonomiİstanbul Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. FATMA BAHAR ŞANLI

  5. Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA