Cryptocurrency forecasting: A comparative study of machine learning and deep learning approaches
Kripto para tahmini: Makine öğrenimi ve derin öğrenme yaklaşımlarının karşılaştırmalı bir çalışması
- Tez No: 940634
- Danışmanlar: DOÇ. DR. OĞUZ ATA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çağdaş finans piyasalarında dijital para birimlerinin meteorik yükselişiyle birlikte, kripto para birimlerinin yörüngesini anlamak ve tahmin etmek çok önemli hale geldi. Bu tez, Bitcoin, Dogecoin, Ethereum, USDCoin, BinanceCoin ve Cardanocoin olmak üzere altı önemli kripto para birimi için öngörücü modellemenin kapsamlı bir keşfine girişiyor. Hem geleneksel makine öğrenimi hem de gelişmiş derin öğrenme algoritmalarının çeşitli bir paketinden yararlanan araştırma, her modelin kripto para birimi piyasalarının karmaşık dinamiklerini yakalamadaki etkinliğini titizlikle değerlendiriyor. Uzun Kısa Süreli Bellek (LSTM), Evrişimli Sinir Ağları (CNN), Destek Vektör Makineleri (SVM) ve eXtreme Gradient Boosting (XGBoost) gibi modelleri kapsayan titiz bir metodoloji kullanıldı. Her modelin performansı, RMSE ve R² metriği kullanılarak titizlikle değerlendirildi. Sonuçlar, modeller arasında değişen başarı derecelerini gösteriyor ve belirli algoritmalar belirli kripto para birimleri arasında üstün öngörücü yetenekler gösteriyor. Sonuç olarak, bu araştırma kripto para birimi tahminlerinin gizemli dünyasına dair paha biçilmez içgörüler sunuyor ve bu gelişen alandaki gelecekteki akademik çabalar için temel oluşturuyor.
Özet (Çeviri)
With the meteoric rise of digital currencies in contemporary financial markets, understanding and predicting the trajectory of cryptocurrencies has become paramount. This thesis embarks on a comprehensive exploration of predictive modeling for six prominent cryptocurrencies, namely Bitcoin, Dogecoin, Ethereum, USDCoin, BinanceCoin, and Cardanocoin. Leveraging a diverse suite of both traditional machine learning and advanced deep learning algorithms, the research meticulously evaluates each model's efficacy in capturing the complex dynamics of cryptocurrency markets. A rigorous methodology was employed, encompassing models such as Long Short-Term Memory (LSTM), Convolutional Neural Networks (CNN), Support Vector Machines (SVM), and eXtreme Gradient Boosting (XGBoost), among others. Each model's performance was stringently evaluated using the RMSE and the R² metric. Results indicate varying degrees of success among the models, with certain algorithms demonstrating superior predictive capabilities across specific cryptocurrencies. Conclusively, this research offers invaluable insights into the enigmatic world of cryptocurrency forecasting and sets the foundation for future academic endeavors in this evolving domain.
Benzer Tezler
- Finansal varlıkların verileri kullanılarak Bitcoin fiyatlarının makine öğrenmesi teknikleriyle tahmini ve modellerinin performanslarının karşılaştırılması
Prediction of Bitcoin prices using machine learning techniques and comparing the performance of models using financial assets data
YUNUS YILDIRIM
Yüksek Lisans
Türkçe
2025
EkonometriBursa Uludağ ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ERKAN IŞIĞIÇOK
- Kripto para fiyatlarının tahmininde makine öğrenmesi modellerinin karşılaştırmalı analizi ve ÇKKV teknikleri ile en iyi yöntemin belirlenmesi
Comparative analysis of machine learning models for cryptocurrency price prediction and selection of the optimal method using MCDM techniques
YUNUS EMRE KORKMAZ
- A hybrid deep learning approach using multi-indicators for cryptocurrency direction prediction and trading
Kripto para yön tahmini ve ticareti için çoklu göstergeler kullanan hibrit derin öğrenme yaklaşımı
RZA HASANLI
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı (disiplinlerarası)
PROF. DR. MAHİR DURSUN
- A comparative analysis of deep learning models for multi-horizon cryptocurrency return forecasting with wavelet denoising
Dalgacık gürültü giderme ile kripto para getirilerinin çok ufuklu tahmininde derin öğrenme modellerinin karşılaştırmalı analizi
MEHMET ÖZSOY
Doktora
İngilizce
2026
İşletmeSüleyman Demirel Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. MUSTAFA ZİHNİ TUNCA
- Kripto para fiyatlarının Neural ODE derin öğrenme yöntemi ve zaman serisi modelleri ile karşılaştırmalı analizi
Comparative analysis of cryptocurrency prices with Neural ODE deep learning method and time series models
HÜSEYİN ENES ERKOÇAK
Doktora
Türkçe
2025
İşletmeSelçuk Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. İBRAHİM EREM ŞAHİN
DOÇ. DR. EYYÜP ENSARİ ŞAHİN