Makine öğrenmesi teknikleri ile haber kaynakları kullanılarak kripto para-Bitcoin tahmini
Crypto currency - Bitcoin prediction using machine learning techniques and news sources
- Tez No: 919615
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ SAĞLAM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 101
Özet
Gelişen günümüz şartlarında teknolojinin ve internetin gelişimi, çeşitli bilimsel gelişmelerin ortaya çıkması, insanların yaşamında önemli yeri olan parayı da etkilemiştir. Para, dijital dünyada sanal para birimi olan Bitcoin için farklı bir birim olarak yerini almıştır. Günümüzde yaygın olarak bilinen sanal paralardan birisi olan Bitcoin' in herhangi bir kuruma, devlete bağlı olmaması, transferinin gerçek paralara göre masrafsız, kolay ve hızlı olması gün geçtikçe dünyanın her yerinde Bitcoin'e olan ilgiyi artırmaktadır. Tez çalışması kapsamında, makine öğrenmesi teknikleri kullanılarak kripto para birimi olan Bitcoin'in fiyat tahmini incelenmektedir. Çalışma bununla birlikte, Bitcoin fiyat tahminine etki eden haber kaynaklarını, sosyal medya verilerini ve piyasa duyarlılığını göz önünde bulundurarak, bu unsurların makine öğrenmesi modelleri ile senkronizasyonunu ele almaktadır. https://www.kaggle.com internet sitesinden alınan 2021-2022 yılları arasındaki tweetler ve Yahoo Finance apisi ile alınan 2021-2022 yılları arasındaki Bitcoin açılış, kapanış, en yüksek değer, en düşük değer ve hacim değerleri ile iki yıllık veri setleri oluşturulmuştur. Python programlama dili ile makine öğrenmesinde tweetlerin duygu durumları doğal dil işleme aracı olan TextBlob kullanılarak değerlendirilmiş ve bu duygu durumları bitcoin fiyat giriş verileri ile birleştirilerek, makine öğrenmesi yöntemlerinden XGBoost, Rastgele Orman, LSTM ve Doğrusal Regresyon ile bir sonraki günün açılış fiyatı tahmin edilmiştir. MAPE= 0.052624 hata oranı oldukça düşük olduğu görülmüştür. R² = 0.999999, 1' e yakın bir değer bulunarak performans metriklerinde doğruluğunun yüksek olduğu bulunmuştur. Çalışma sonucunda Doğrusal Regresyon algoritmasının daha başarılı sonuçlar verdiği gözlemlenmiştir. Veri setinde olmayan gerçek değerler ile test edilen uygulamanın gerçek değerlere yakın sonuçlar verdiği ortaya çıkmıştır.
Özet (Çeviri)
In today's developing conditions, the development of technology and the internet, the emergence of various scientific developments have also affected money, which has an important place in people's lives. Money has taken its place as a different unit in the digital world for Bitcoin, a virtual currency. Bitcoin, which is one of the widely known virtual currencies today, is not affiliated to any institution or state, and its transfer is costless, easy and fast compared to real money, which increases the interest in Bitcoin all over the world day by day. This thesis examines the price prediction of Bitcoin, a cryptocurrency, using machine learning techniques. The study also considers news sources, social media data and market sentiment that affect Bitcoin price prediction and synchronizes these factors with machine learning models. Two-year datasets were created with tweets between 2021 and 2022 from https://www.kaggle.com and Bitcoin opening, closing, high, low and volume values between 2021 and 2022 from Yahoo Finance API. In machine learning with Python programming language, the sentiment states of tweets were evaluated using TextBlob, a natural language processing tool, and these sentiment states were combined with bitcoin price input data and the opening price of the next day was predicted with machine learning methods XGBoost, Random Forest, LSTM and Linear Regression. MAPE= 0.052624 error rate was found to be quite low. R² = 0.999999, a value close to 1, was found to have high accuracy in performance metrics. As a result of the study, it was observed that the Linear Regression algorithm gave more successful results. The application tested with real values that were not in the data set gave results close to the real values.
Benzer Tezler
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Stance classification for fake news detection in social media
Sosyal medyada sahte haber tespiti için durum sınıflandırması
MAYSAA M. S. ALSAFADI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT AYKUT
- TFEEC : Türkçe finansal olay çıkarım derlemi
TFEEC : Turkish financial event extraction corpus
KADİR ŞİNAS KAYNAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ