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: 263
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
- Farklı yatırım ufuklarına göre kripto para birimlerinin volatilite modellemesi
Volatility modeling of cryptocurrencies according to different investment horizons
ASLAN AYDOĞDU
- Examining the relationship between volatilities of cryptocurrencies and emerging stock markets
Kripto para birimleri ile gelişmekte olan hisse senedi piyasaları volatiliteleri arasındaki ilişkinin incelenmesi
MELİS KILINÇLI
Yüksek Lisans
İngilizce
2023
İşletmeDokuz Eylül Üniversitesiİşletme (İngilizce) Ana Bilim Dalı
DOÇ. DR. EFE ÇAĞLAR ÇAĞLI
- Kripto para getiri oynaklığı üzerinde etkili olan faktörlerin modellenmesi
Modeling factors affecting cryptocurrency return volatility
HALİLİBRAHİM GÖKGÖZ
- Kripto paralar arasında ortalamada ve varyansta nedensellik ilişkisi
Causality relationship in average and variance between cryptocurrencies
OKTAY KARAKAYA
- Davranışsal finans çerçevesinde kripto para piyasasında sürü davranışının test edilmesi
Testing herd behavior in the cryptocurrency market in the framework of behavioral finance
FATİH BAYRAM
Yüksek Lisans
Türkçe
2023
İşletmeAkdeniz ÜniversitesiFinans ve Bankacılık Ana Bilim Dalı
DOÇ. DR. ULAŞ ÜNLÜ