Kripto para piyasası günlük değer tahminlemesinde nicel yöntemlerin kullanılması
Using quantitative methods in cryptocurrency market daily value estimation
- Tez No: 910713
- Danışmanlar: PROF. DR. SAİT PATIR
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Kripto Para Piyasası, Yapay Sinir Ağları, Hareketli Ortalamalar Yöntemi, Üstel Düzeltme Yöntemi, Derin Öğrenme Yöntemleri, Cryptocurrency Market, Artificial Neural Networks, Moving Averages Method, Exponential Smoothing Method, Deep Learning Methods
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bingöl Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışmanın amacı kripto paraların günlük değerinin tahminlenmesinde hangi nicel yöntemin daha başarılı sonuçlar verdiğini araştırmaktır. Bu bağlamda Bitcoin, Ethereum, Binance Coin ve Monero kripto para birimlerinin 5 yıllık günlük verileri yapay sinir ağları, hareketli ortalama, üstel düzeltme, LSTM ve RNN yöntemleri ile analiz edilmiştir. Sonuçlar MAPE, MSE ve MAE hata metrikleriyle ölçülmüştür. Ayrıca kripto para birimleri arasında eşbütünleşme ve nedensellik testleri yapılmıştır Çalışma sonuçları MAPE hata metriğine göre değerlendirildiğinde Bitcoin tahminlemesinde yapay sinir ağları, Ethereum ve Binance Coin tahminlemesinde üstel düzeltme, Monero tahminlemesinde ise hareketli ortalama yönteminin en başarılı tahminleri yaptıkları görülmektedir. Ayrıca yapay sinir ağları yöntemi ile tez çalışmasına konu edinilen kripto paraların 2024 yılı günlük değerleri tahminlemiş ve çalışmanın ek kısmında ilgili bulgular sunulmuştur.
Özet (Çeviri)
The aim of the study is to research which quantitative method gives more successful results in estimating the daily value of cryptocurrencies. In this context, 5-year daily data of Bitcoin, Ethereum, Binance Coin and Monero cryptocurrencies were analyzed with artificial neural networks, moving average, exponential smoothing, LSTM and RNN methods. The results were measured with MAPE, MSE and MAE error metrics. In addition, cointegration and causality tests were performed between cryptocurrencies. When the study results are evaluated according to the MAPE error metric, it is seen that artificial neural networks make the most successful predictions in Bitcoin prediction, exponential smoothing in Ethereum and Binance Coin prediction and the moving average method in Monero prediction. In addition, the daily values of the cryptocurrencies subject to the thesis study in 2024 were estimated with the artificial neural networks method and the relevant findings were presented in the appendix of the study.
Benzer Tezler
- Kripto paralar arasında ortalamada ve varyansta nedensellik ilişkisi
Causality relationship in average and variance between cryptocurrencies
OKTAY KARAKAYA
- Bitcoin ve geleneksel finansal varlıklar arasında volatilite yayılımı: Türkiye örneği
Volatility spillover between Bitcoin and traditional financial assets: The case of Turkey
EBRU AYDOĞAN
- Cryptocurrency trading based on heuristic guided approach with feature engineering
Öznitelik mühendisliği ile sezgisel kılavuzlu yaklaşıma dayalı kripto ticaret işlemleri
ÇAĞRI KARAHAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Post-crisis changes in capital adequacy regulations for market risk: The impact of BASEL IV
Piyasa riskine ilişkin sermaye gereksinimi düzenlemelerinde kriz sonrası değişiklikler: BASEL IV'ün etkileri
EKREM KILIÇ
- Herding behavior in cryptocurrency markets during coronavirus pandemic
Koronavirüs salgını sırasında kripto para piyasalarındaki sürü davranışı
ARDA SAĞLAM
Yüksek Lisans
İngilizce
2023
İşletmeDokuz Eylül Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. PINAR EVRİM MANDACI
