Machine learning techniques for USDT price forecasting and their correlation with gold
USDT fiyat tahmini için makine öğrenimi teknikleri ve altın ile korelasyonu
- Tez No: 877818
- Danışmanlar: Prof. Dr. RÜŞTÜ MURAT DEMİRER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Maliye, Computer Engineering and Computer Science and Control, Science and Technology, Finance
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: 64
Özet
Bu dinamik dünyada doğru finansal tahminin önemi büyüktür. Bu projede, yatırımcılar ve kripto para tacirleri için değerli bilgiler sağlayarak USDT fiyatını makine öğrenimi teknikleriyle tahmin etmeyi amaçlıyorum. Amerika Birleşik Devletleri (ABD) dolarına bağlı bir stabilcoin olan Tether (USDT) fiyat hareketlerinin tahmin performansı ve altın fiyatları ile olası ilişkisi değerlendirilecektir. Yahoo Finance'ten elde edilen tarihsel USDT verileri kullanılarak nicel bir retrospektif analiz yapılmaktadır. Analiz, Random Forest, Doğrusal Regresyon, Gradient Boosting Machine (GBM), Destek Vektör Makinesi (SVM), Uzun-Kısa Dönemli Bellek (LSTM), Ridge Regresyon, ARIMA (Otokorelasyonlu Entegre Hareketli Ortalama) ve XGBoost gibi makine öğrenimi modelleri kullanılarak gerçekleştirilir. Bu modeller, Ortalama Mutlak Hata (MAE), Kök Ortalama Kare Hatası (RMSE) ve R-kare (R²) gibi metriklerle değerlendirilir. Sonuçlar, uygulanan modellerin USDT fiyat dinamiklerini tahmin etmede güçlü olduğunu göstermektedir. Doğrusal Regresyon modeli (R² = 1.0) neredeyse mükemmel uyum göstermekte ve tahmin edilen ile gerçek fiyat hareketleri arasında güçlü bir korelasyon olduğunu belirtmektedir. Ayrıca, Ridge Regresyon modeli gibi modellerde altın fiyatları ile USDT dinamikleri arasında güçlü bir ilişki (korelasyon katsayısı 0.99) bulunmaktadır. Bu araştırmanın özgünlüğü, USDT fiyatını tahmin etmek ve USDT-altın fiyatı korelasyonunu değerlendirmek için makine öğrenimini kullanmada yatmaktadır. Bu, yatırımcılar, araştırmacılar ve dinamik kripto para piyasasıyla ilgilenen diğer paydaşlar için tahminler, risk yönetimi ve ticaret stratejileri hakkında değerli içgörüler sağlamaktadır.
Özet (Çeviri)
In today's dynamic world, accurate financial forecasting is crucial. This project aims to predict the USDT price using machine learning techniques, providing valuable insights for investors and crypto traders. We evaluate the prediction performance of Tether (USDT), a stablecoin pegged to the USD, and its potential relationship with gold prices. Historical USDT data from Yahoo Finance undergoes quantitative retrospective analysis using various machine learning models: Random Forest, Linear Regression, Gradient Boosting Machine (GBM), Support Vector Machine (SVM), Long Short-Term Memory (LSTM), Ridge Regression, ARIMA (Autoregressive Integrated Moving Average), and XGBoost. These models are assessed using metrics like Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and R-squared (R²). Results show significant predictive power of these models, particularly Linear Regression (R² = 1.0) indicating a strong correlation between predicted and actual prices. Additionally, models like Ridge Regression reveal a strong correlation (correlation coefficient 0.99) between gold prices and USDT dynamics, suggesting a potential relationship. This study's uniqueness lies in using machine learning to predict USDT prices and evaluate USDT-gold price correlation, offering valuable insights for investors, researchers, and stakeholders in the dynamic crypto market.
Benzer Tezler
- Machine learning techniques for estimation of human tiredness level from brain electrical activity
Başlık çevirisi yok
SAAD SHABAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini
Machine learning techniques for enhancing airline passenger experience through flight delay prediction
ESMA ERGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Machine learning techniques for cyber security
Siber güvenlik için makine öğrenimi teknikleri
FADI HAMMAD
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NECİP GÖKHAN KASAPOĞLU
- Machine learning techniques for prediction of human age based on teeth x-ray images
Diş röntgeni görüntülerine dayalı insan yaşının tahmini için makine öğrenmesi teknikleri
ROOMA SATTAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Ana Bilim Dalı
YRD. DOÇ. DR. SHAHRAM TAHERI
- Machine learning techniques for surface electromyography based hand gesture recognition
Yüzey elektromiyografi temelli el jesti tanıma için makine öğrenmesi teknikleri
ENGİN KAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR