Genelleştırilmiş toplamsal modeller ile Bitcoin için yön analizi
Directional analysis of Bitcoin using generalized additive models
- Tez No: 866869
- Danışmanlar: PROF. DR. SERPİL AKTAŞ ALTUNAY
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Maliye, İstatistik, Economics, Finance, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Küresel ekonomik belirsizlikler ve enflasyon endişelerinin artmasıyla birlikte geleneksel banka sistemlerinin merkezi rolü sorgulanmaya başlamıştır. Bu durum, kullanıcıların finansal özgürlüğünü kısıtlanmasına neden olmaktadır. Bu bağlamda, Bitcoin ve diğer kripto paraların ortaya çıkmasıyla finansal dünyada büyük bir değişim yaşandı. Bitcoin'in merkezi olmayan yapısı, bankalara olan bağımlılığı azaltmış ve kullanıcılara doğrudan ve güvenli bir şekilde finansal işlemler yapma imkânı tanınıştır. Microsoft, Tesla, Visa, AXA gibi birçok şirket ve kurumun Bitcoin'i ödeme aracı olarak kabul etmeye başlaması, kullanıcıların günlük alışverişlerinde Bitcoin kullanabilirliğini artırmıştır. Bu durum, Bitcoin'in popülaritesini artırarak finansal dünyada yeni bir dönemin başlatmıştır. Popüler olmasına rağmen, Bitcoin gibi kripto paralardaki fiyatlar son derece dalgalıdır ve bu durum fiyat hareketlerini öngörmeyi zorlaştırmaktadır. Bu durumda, Bitcoin'in fiyat yönünün tahmini, yatırımcıların stratejik kararlarını belirlemelerinde kritik bir rol oynamaktadır. Yatırımcılar genellikle temel analiz, haber takibi veya teknik analiz gibi yöntemlerden birini kullanarak yatırım yapmayı tercih etmektedirler. Bu bağlamda, tez çalışması, temel analiz, haber takibi ve teknik analiz gibi yöntemleri birleştirerek kripto para piyasasında doğru tahminler yapmayı hedeflemektedir. Bu tez çalışması, kripto para birimi piyasasında Bitcoin fiyat hareketlerinin çok faktörlü etkisini incelemektedir. Finansal piyasalarda fiyat yönünün tahmininde istatistiksel modellerin güvenirliği temel bir avantaj sağlarken, veri uyumu açısından makine öğrenimi modellerinin tercih edilmesi amaçlanmaktadır. Bu çalışma, Bitcoin ve diğer kripto para piyasalarının fiyat dinamiklerine yönelik güçlü bir model oluşturarak gelecekteki araştırmalara temel oluşturmayı hedeflemektedir. Bu amaçla, çalışmada trend yönünün değiştiği noktalara odaklanılmıştır. Fiyat yönünün hangi noktada değişeceği tespit edilerek, 'artacak', ve 'azalacak' olmak üzere iki sınıflı tahminleme çalışması yapılmıştır. Analizlerimizde, 17 Ağustos 2017 ile 3 Ocak 2024 tarihleri arasında 'Binance' API'si kullanılarak günlük olarak toplanan Bitcoin verileri üzerinde çalışıldı. Bu verilerle fiyatın kapanışı, günün en yüksek değeri, Teklif Varlık Hacmi, İşlem Sayısı, Bitcoin ticaret hacmi, Teklif Temel Hacmi ve Teklif Hacmi gibi çeşitli bilgiler incelenerek trend tespiti yapıldı. Ayrıca, diğer API kaynaklarından elde edilen verilerle ekonomik-finansal göstergeler de değerlendirildi. Bitcoin piyasasını etkileyen 21 değişken kullanılarak hedef değişkeni olan Bitcoin yönü ile ilgili tahminler elde edilmiştir. Toplanan Bitcoin verileri üzerinde çeşitli istatistiksel ve makine öğrenimi modelleri kullanarak gerçekleştirilmiştir. Zaman serisi modeli olduğu için zaman serisine uygun olacak şekilde eğitim ve test verileri 5 katlı cross validation gerçekleştirildi. Modelleme aşamasında Genelleştirilmiş Toplamsal Modeller (LOESS Lojistik Regresyon Modeli, Eğri Düzleştirmeli Lojistik Regresyon, Lojistik regresyon) ile Makine Öğrenmesi algoritmalarından Karar Ağaçları, Destek Vektör Maineleri ve Gradiant Boosting yöntemleri uygulanmıştır. Sonuçlar, kesinlik, duyarlılık, seçicilik, F1 puanı ve doğruluk oranı gibi başarı kriterlerine göre değerlendirilmiştir. En iyi model olarak Eğri Düzleştirmeli Lojistik Regresyon modeli bulunmuştur. En iyi model yardımı ile yakın tarihteki Bitcoin fiyatları üzerinden artış ve azalış tahminleri verilmiştir. Bu bulgular, yatırımcı için finansal teknolojilerin ve yatırım stratejilerinin geliştirilmesinde kullanılabilecek tahminler sunmaktadır. Kripto para piyasasındaki fiyat dinamiklerini analiz etmek, gelecekteki çabalar için önemli bir adımdır. Kripto para fiyat trendlerinin detaylı incelenmesi, tahmin modellerinin etkinliğini ve piyasa anlayışını önemli derecede iyileştirebilir. Dinamik kripto para piyasaları, finansal analiz ve yatırım stratejilerinde model tahminlerinden faydalanmayı sağlar. Ancak, bu tahminlerin finansal karar alma sürecinde dikkatle değerlendirilmesi ve piyasa riskleri ile model sınırlılıklarının göz önünde bulundurulması önemli olmaktadır.
Özet (Çeviri)
Global economic uncertainties and rising inflation concerns have challenged the central role of traditional banking systems, limiting users' financial freedom. The emergence of Bitcoin and other cryptocurrencies has revolutionized the financial world. Bitcoin's decentralized structure has reduced reliance on banks and enabled direct and secure financial transactions. Companies like Microsoft, Tesla, Visa, and AXA have begun accepting Bitcoin as a payment method, enhancing its daily use and boosting its popularity. Despite its popularity, the volatility of cryptocurrencies like Bitcoin complicates price predictions. Predicting Bitcoin's price direction is crucial for investors who often rely on fundamental analysis, news tracking, or technical analysis. This thesis explores the multifaceted impact of Bitcoin price movements in the cryptocurrency market. It leverages statistical models known for their reliability in financial markets and prefers machine learning models for their data compatibility. The study aims to develop a robust model for the dynamics of Bitcoin and other cryptocurrencies, serving as a foundation for future research. It focuses on identifying trend changes and conducting binary predictions on whether prices will rise or fall. The analysis uses Bitcoin data collected daily from the 'Binance' API between August 17, 2017, and January 3, 2024, covering metrics like closing prices, daily highs, and trading volumes. Additionally, economic and financial indicators from other APIs have been integrated. The study employs time series-specific five-fold cross-validation for training and testing data. It utilizes Generalized Additive Models (including LOESS Logistic Regression and Smoothened Logistic Regression) and machine learning algorithms like Decision Trees, Support Vector Machines, and Gradient Boosting. The models were evaluated based on precision, sensitivity, specificity, F1 score, and accuracy rate, with the Smoothened Logistic Regression model performing best. This model has provided predictions for recent Bitcoin price trends, offering valuable insights for developing financial technologies and investment strategies. Analyzing the price dynamics in the cryptocurrency market is crucial for enhancing the effectiveness of prediction models and deepening market understanding. The dynamic nature of cryptocurrency markets makes model predictions useful for financial analysis and investment strategies. However, these predictions should be meticulously evaluated in the decision-making process, considering market risks and the limitations of the models.
Benzer Tezler
- Application of statistical methods in the analyses of foster family
Koruyucu aile analizlerinde istatistiksel metodların kullanımı
GİZEM ATAR
Yüksek Lisans
İngilizce
2023
Sosyal HizmetOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. VİLDA PURUTÇUOĞLU
- Performance of spline-based GAM in the presence of outliers and multicollinearity
Splayn-tabanlı GAM'ın çoklu bağlantı ve aykırı değer varlığında performansları
HURUY DEBESSAY ASFHA
Yüksek Lisans
İngilizce
2017
İstatistikAnadolu Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. BETÜL KAN KILINÇ
- Yarı parametrik regresyon modellerinde tahmin yöntemlerinin karşılaştırılması: Üreme sağlığı alanında bir uygulama
Başlık çevirisi yok
ALİ GÖKÇE
Yüksek Lisans
Türkçe
2024
Kadın Hastalıkları ve DoğumHacettepe Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. SEMRA TÜRKAN
- Güneybatı Anadolu'da rakımsal bir gradiyent boyunca bitki komünitelerinin fonksiyonel karakter yapısının değişimi
Change in functional trait structure of plant communities along an elevational gradient in Southwestern Anatolia
ZEYNEP LADİN COŞGUN
Yüksek Lisans
Türkçe
2022
BiyolojiHacettepe ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. ÇAĞATAY TAVŞANOĞLU
- Sürekli Bayesci ağlar için genelleştirilmiş lineer modeller yaklaşımı
Generalized linear models approach for continuous Bayesian networks
SELİN CEREN TURAN
Doktora
Türkçe
2022
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MEHMET ALİ CENGİZ