Zaman serilerinde fraktal analiz yöntemiyle yapay sinir ağı tahmin modeli geliştirilmesi: Bitcoin uygulaması
Development of an artificial neural network prediction model using fractal analysis method in time series: Bitcoin application
- Tez No: 959951
- Danışmanlar: PROF. DR. AYŞE OĞUZLAR
- Tez Türü: Doktora
- Konular: Ekonometri, İstatistik, Econometrics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 128
Özet
Bitcoin dünyanın ilk ve en yaygın kripto para birimidir. Merkeziyetsiz yapıda ve dijital bir değerdir. Sınırlı arzı vardır ve gün geçtikçe daha fazla yatırımcının dikkatini çekmektedir. Bitcoin'in volatilitesi yüksek olduğundan fiyat tahmin performansını artırmak amacıyla alternatif yöntemler geliştirilmektedir. Daha fazla veriyi elde edebilmek, araştırmacılar için avantajlı gibi görünse de, enformasyondan bilgiye ve karar almayı kapsayan süreç içerisinde zorluklar ortaya çıkarmaktadır. Fraktal analiz, son yıllarda finansal piyasalarda var olan varlıkların davranışını ve yapısını anlamak amacıyla kullanılan yöntemlerden biridir. Süreç içerisinde tahmin performansını yükselterek, daha doğru karar almak için, bu araştırmada fraktal analiz incelenmiş ve analize dahil edilmiştir. Veri yığınlarını yönetmek amacıyla tahminci özellikleri ve ekonometrik model varsayımlarına gerek duymadan alternatif olarak ortaya çıkan yapay sinir ağları başarılı tahmin sonuçları vermektedir. Yapay sinir ağları içerisinde uzun-kısa dönem hafızası (long-short term memory) olarak adlandırılan LSTM modeli tercih edilmiştir. LSTM modeli ve fraktal analiz kapsamında değerlendirilen Hurst üssü değerleri modele eklenerek, teknik göstergeli bir model oluşturulmuş ve sonuçlar fraktal değişken içermeyen LSTM modeli sonuçlarıyla karşılaştırılmıştır. 15 dakikalık ve 4 saatlik iki ayrı veri kümesi için yapılan analiz sonucunda, Hurst entegreli LSTM modellerinin hata payı azalarak (%0,69-%1,53) tahmin performansı artmıştır.
Özet (Çeviri)
Bitcoin is the world's first and most widely used cryptocurrency. It is decentralized and has digital value. It has a limited supply and is attracting an increasing number of investors every day. Due to Bitcoin's high volatility, alternative methods are being developed to improve price prediction performance. While obtaining more data may seem advantageous for researchers, it presents challenges in transforming information into knowledge and making informed decisions. Fractal analysis is one of the methods used in recent years to understand the behavior and structure of financial market assets. To improve prediction performance and make more accurate decisions, fractal analysis was examined and incorporated into this study. Artificial neural networks, which emerged as an alternative to traditional predictive models and econometric assumptions, provide successful prediction results for managing large datasets. The LSTM model, referred to as long-short-term memory within artificial neural networks, was preferred. Hurst exponent values evaluated within the scope of the LSTM model and fractal analysis were incorporated into the model, resulting in a technical indicator-based model. The results were then compared with those of the LSTM model without fractal variables. As a result of the analysis conducted on two separate datasets of 15 minutes and 4 hours, the error rate of the Hurst-integrated LSTM models decreased (0.69%-1.53%), and the prediction performance improved.
Benzer Tezler
- Türkiye elektrik enerjisi birim fiyatlarının kaotik analizi
Chaotic analysis of electrical energy unit prices in Turkey
SERCAN MACİT
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ
- Optimal portfolio allocation under fractal theory
Fraktal teori çerçevesinde optimal portföy seçimi
TÜRKER AÇIKGÖZ
Yüksek Lisans
İngilizce
2024
MaliyeOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜŞRA ZEYNEP TEMOÇİN
- Advanced nonlinear and nonstationary methods for the analysis of financial time series
Finansal zaman serilerinin analizinde ileri lineer olmayan ve durağan olmayan yöntemler
ADİL YILMAZ
Doktora
İngilizce
2020
EkonomiYeditepe ÜniversitesiFinansal İktisat Ana Bilim Dalı
PROF. DR. GAZANFER ÜNAL
- Kaotik zaman serilerinde kestirim yaklaşımlarının karşılaştırılması
Comparison of the prediction approaches in chaotic time series
AYŞE İŞİ
Doktora
Türkçe
2017
İstatistikEskişehir Osmangazi Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. FATİH ÇEMREK
- An investigation with fractal geometry analysis of time series
Zaman serilerinin fraktal geometri analizi ile incelenmesi
AYSUN KAYA
Yüksek Lisans
İngilizce
2005
Mühendislik Bilimleriİzmir Yüksek Teknoloji EnstitüsüYRD. DOÇ. DR. SERHAN ÖZDEMİR
DOÇ. DR. SEDAT AKKURT