Geri Dön

An integrated machine learning and metaheuristic approach for cryptocurrency price prediction

Kripto para fiyatı tahmininde makine öğrenmesi ve metasezgisel entegre bir yaklaşım

  1. Tez No: 899233
  2. Yazar: KENAN BAYAZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MERVE ER, PROF. SENİYE ÜMİT FIRAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 66

Özet

Kripto para ticareti, finans dünyasındaki en iyi ticaret araçlarından birine öncülük etmektedir. Merkeziyetsizlikteki benzersiz özellikleri, hızla büyümelerini sağlamaktadır. Finans dünyasında dolaşan binden fazla coin bulunmaktadır. Bu devasa miktardaki coin, birçok farklı piyasa platformunda takas edilebilir. Finansal yatırımcılar ve diğer son kullanıcılar, piyasa oynaklığı ve hacmi nedeniyle kripto para tahminine önemli ilgi duymaktadırlar. Makine öğrenimi, geleneksel teknik analizin yanı sıra finans sektöründe farklı varlık tahminlerinde kullanılan umut verici bir araçtır. Son zamanlarda kripto para tahmininde makine öğreniminin kullanılmasına yönelik araştırmalar tatmin edici sonuçlar göstermektedir. Destek Vektör Regresyonu (DVR) algoritması, makine öğrenimi alanında kendi yüksek doğruluğunu elde etme konusunda ün kazanmıştır. Bu tez, en popüler kripto para olan Bitcoin'in saatlik fiyatlarını tahmin etmek için eğitim verisi olarak finansal kapsamlı teknik göstergeler kullanan SVR modelinin optimizasyonundan oluşan bir çerçeve önermektedir. Çerçevenin optimizasyon bileşeni, ateş böceğinin yanıp sönmesinden esinlenen yeni ve iyi bilinen bir metasezgiseli, Ateşböceği Algoritmasını (AA) kullanır. Ateşböceği Algoritması, iki önemli görevi optimize etmek için çerçeveye yerleştirilmiştir; özellik seçimi ve DVR parametrelerinin ayarlanması. Önerilen model, Destek Vektör Regresyonu, Çok Katmanlı Nöron Ağları ve ARIMA yaklaşımları ile karşılaştırıldığında daha iyi bir performans göstermiştir.

Özet (Çeviri)

Cryptocurrency trading is leading to one of the best trading instruments in the finance world. Their unique characteristics on decentralization enable them to grow rapidly. There are more than one thousand coins rolling in financial worlds. This huge number of coins can be exchanged in many different market platforms. Financial traders and other end users have significant interest on prediction of cryptocurrencies due to market volatility and volume. Machine learning is already a promising tool used in different assets' prediction in financial industry besides traditional technical analysis. Recent researches on using machine learning in cryptocurrency prediction show satisfied outcomes. Support Vector Regression (SVR) algorithm has reputation on achieving higher accuracy in machine learning domain. This thesis proposes a framework constituted of optimization of SVR model using financial extensive technical indicators as training data to predict hourly prices of the most popular cryptocurrency, Bitcoin. The optimization component of the framework employs a newly well-known metaheuristic inspired by flashing of firefly, Firefly Algorithm (FA). Firefly Algorithm is put into the framework to optimize two important tasks; feature selection and setting parameters of SVR. The proposed model shows better performance compared to regular Support Vector Machine, MLP, and ARIMA approaches.

Benzer Tezler

  1. Yüksek düzeyde sentezlemede hızlı tasarım alanı keşfi için makine öğrenmesi tabanlı yeni bir optimizasyon yöntemi

    A novel machine learning-based optimization methodology for fast design space exploration in high-level synthesis

    ESRA ÇELİK

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DENİZ DAL

  2. A hybrid feature subset selection method based on GRASP and relief

    GRASP ve relief temelli bir hibrit özellik alt kümesi seçimi

    BUSE NUR KARATEPE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Mühendislik BilimleriSabancı Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    DOÇ. DR. KEMAL KILIÇ

  3. An integrated credit scoring and crowdfunding framework for smes: Blockchain-based approach with hybridized machine learning and metaheuristics

    KOBİler için entegre kredi puanlama ve kitle fonlaması çerçevesi: Blok zinciri temelli yaklaşım ile hibritleştirilmiş makine öğrenimi ve metasezgiseller

    DORUK ŞEN

    Doktora

    İngilizce

    İngilizce

    2020

    Endüstri ve Endüstri MühendisliğiMarmara Üniversitesi

    Mühendislik Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEM ÇAĞRI DÖNMEZ

  4. Hybridization of probabilistic graphical models and metaheuristics for handling dynamism and uncertainty

    Değişimin ve belirsizliğin ele alınması için olasılıksal çizgesel biçelerin ve sezgi-üstlerinin melezleştirilmesi

    GÖNÜL ULUDAĞ

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE ŞİMA UYAR

  5. Veri güdümlü dijital ikiz modeli ile freze takım tezgahı takım aşınma tahminlemesi ve kesme parametreleri optimizasyonu

    Prediction of tool wear and cutting parameter optimization of milling machine tool with data-driven digital twin model

    GİZEM BURUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ