Kripto paralarda seçilmiş sistematik yatırım stratejilerinin karşılaştırmalı analizi
A Comparative Analysis of Selected Systematic Investment Strategies in Cryptocurrency Markets
- Tez No: 964196
- Danışmanlar: PROF. DR. ERKAN POYRAZ
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kripto para piyasaları, geleneksel finansal piyasalardan ayrışan özgün dinamikleriyle, sistematik yatırım stratejilerinin farklı piyasa koşullarındaki performanslarının incelenmesine olanak sağlayan yenilikçi bir araştırma alanı sunmaktadır. Bu bağlamda çalışmada, kripto para piyasalarında sistematik yatırım stratejilerinin etkinliği, klasik teknik analiz indikatörlerinden güncel denetimli makine öğrenmesi algoritmalarına ve ikili işlem stratejilerine uzanan geniş bir araştırma yöntemi ile değerlendirilmektedir. Üç bölümden oluşan çalışmanın ilk bölümünde Bitcoin'in ortaya çıkışını etkileyen öncü dijital para projeleri ile kripto paraların tarihsel gelişimini etkileyen faktörlerden başlayarak, blok zinciri teknolojisinin temel özellikleri, Bitcoin ve sonrasında ortaya çıkan alternatif kripto paralar hakkında temel bilgiler sunulmaktadır. İkinci bölümde kripto para piyasalarında uygulanan sistematik yatırım stratejilerinin teorik çerçevesi aktarılmakta, tarihsel gelişim süreci temel alınarak sırası ile teknik analiz, ikili işlemler ve makine öğrenmesi yöntemleri hakkında teorik bilgilere yer verilmektedir. Son bölümde ise bu yöntemlerin gerçek piyasa verilerine uygulanmasıyla elde edilen sonuçlar paylaşılmaktadır. Araştırmanın temel bulguları, kripto para piyasalarında kısa vadede fiyat anomalilerinin gözlemlendiğini, ancak zaman ufku genişledikçe ve incelenen kripto varlıkların piyasa hacmi artarak fiyat oynaklığı düzeyi düştüğünde, piyasaların etkinleşme eğilimi gösterdiğini yönündedir. Teknik analiz stratejilerinin büyük çoğunluğu getiri üretse de oluşan getirilerin al-tut yaklaşımına kıyasla istatistiksel olarak anlamlı şekilde üstünlük gösterememesi, kripto para piyasalarının zaman içerisinde etkinlik düzeylerinin arttığına ve teknik analiz stratejilerinin içsel getiri üretme potansiyellerinin oldukça sınırlı olduğuna işaret etmektedir. Cardano gibi görece düşük piyasa değerine ve yüksek fiyat dalgalanması düzeyine sahip kripto paralarda teknik analiz stratejileri daha başarılı olurken, fiyat dalgalanma seviyesi düşen kripto paralarda bu üstünlük gözlemlenmemektedir. İkili işlem stratejileri açısından ise eş bütünleşme yönteminin minimum mesafe yöntemine kıyasla daha etkili olduğu tespit edilmiştir. Özellikle dinamik formasyon-periyot bölme yaklaşımı ile piyasa rejimi tespit uygulamasının stratejilere dahil edilmesi, strateji performanslarını önemli ölçüde artırmıştır. Denetimli makine öğrenmesi yöntemleri ise bir günlük tahminlerde yüksek başarı göstermiş, ancak tahmin penceresi iki ve üç güne genişledikçe önemli düzeyde performans kaybı yaşamıştır. XGBoost ve Rastgele Orman gibi karar ağacı temelli topluluk öğrenme algoritmaları, kısa vadeli tahminlerde en iyi performansı sergilemiştir. Sonuç olarak, uygulanan yöntemlerin karmaşıklık düzeyi yükseldikçe tahmin gücünün arttığı, ancak bu ilişkinin genellikle kısa vadede geçerli olduğu gözlemlenmiştir. Teknik analiz stratejileri al-tut yaklaşımına kıyasla üstünlük sağlayamazken, eş bütünleşme temelli ikili işlem stratejileri uzun dönemli anlamlı getiriler üretme potansiyeline sahip olmakta; makine öğrenmesi yöntemleri ise kısa vadeli, bir günlük tahminlerde başarılı performans sergilemektedir. Bu stratejilerin birbirini tamamlayıcı nitelikte olduğu ve kripto para piyasalarının olgunlaştıkça, geleneksel finansal piyasaların tarihsel dönüşümüne benzer şekilde, fiyat anomalilerinin azalarak piyasa etkinliğinin arttığı sonucuna varılmıştır.
Özet (Çeviri)
Cryptocurrency markets represent a significant manifestation of digital transformation, offering unique opportunities for systematic investment strategies. This research evaluates the performance of investment methodologies based on technical analysis indicators, pairs trading frameworks, and supervised machine learning algorithms within cryptocurrency markets. The research comprises three major sections. First, it examines blockchain technology fundamentals, Bitcoin, and alternative digital assets, including the predecessor digital currency initiatives that influenced Bitcoin's development and the factors shaping cryptocurrency evolution. Second, it presents the theoretical framework of systematic investment strategies in cryptocurrency markets, providing conceptual foundations for technical analysis, pairs trading, and machine learning methodologies. Finally, it empirically analyzes the outcomes from applying these methodologies to actual market data. Empirical findings reveal price inefficiencies in cryptocurrency markets over short-term horizons; however, as the timeframe expands and market capitalization increases, markets demonstrate progression toward greater efficiency. While most technical analysis strategies generate positive returns, they fail to outperform passive buy-and-hold approaches, suggesting increasing market efficiency over time. Technical analysis performs better with cryptocurrencies of modest market capitalization and high price volatility compared to those with substantial market capitalization. For pairs trading strategies, the cointegration approach outperformed the minimum distance methodology. Implementation of dynamic formation-period partitioning and market regime detection mechanisms substantially enhanced strategy performance. Supervised machine learning methodologies demonstrated high predictive accuracy for one-day forecasting horizons but showed diminishing performance as prediction windows extended to two and three days. Tree-based ensemble learning algorithms, particularly XGBoost and Random Forest, delivered optimal performance in short-term predictions. The evidence indicates that while methodological complexity correlates with improved predictive capacity, this relationship generally holds valid only in short-term contexts. Technical analysis strategies underperformed passive investment approaches, whereas cointegration-based pairs trading strategies showed potential for generating statistically significant long-term excess returns. Machine learning methodologies demonstrated robust performance in short-term predictive horizons. These strategies exhibit complementary characteristics and as cryptocurrency markets mature, price anomalies diminish and market efficiency increases, mirroring the evolutionary trajectory observed in traditional financial markets.
Benzer Tezler
- Kripto para piyasalarında dijital liderlerden piyasa oynaklığına: Sosyal ağ ve duygu analizi temelli volatilite modellemesi
From digital leaders to market volatility in cryptocurrency markets: Volatility modeling based on social network and sentiment analysis
GÖZDE SARAK
- Implementation of technical analysis on selected cryptocurrencies
Seçilmiş kripto paralarda teknik analiz uygulaması
OĞUZHAN ÇELİK
Yüksek Lisans
İngilizce
2019
İşletmeMarmara Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHTAP ÖNER
- Piyasa değeri en yüksek kripto paraların fiyatlarında balonların varlığı üzerine bir çalışma
A study on the presence of bubbles in the prices of cryptocurrencies with the highest market capp
ARDA DOĞAN
Yüksek Lisans
Türkçe
2022
İşletmeİstanbul Gelişim Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. HAKAN YILDIRIM
- Temel kripto paraların fiyat ilişkilerinin ekonometrik analiz yöntemleriyle belirlenmesi
Determining the price relationships of basic cryptocurrencies by econometric analysis methods
KERİM ÇETİN
Yüksek Lisans
Türkçe
2023
İşletmeAnkara Yıldırım Beyazıt ÜniversitesiUluslararası Ticaret ve Finansman Ana Bilim Dalı
DOÇ. DR. BURHAN GÜNAY
- Central bank digital currencies (CBDCs): A countermeasure to anti-money laundering (AML) challenges posed by cryptocurrencies?
Merkez bankası dijital para birimleri (CBDC'ler): Kripto para birimlerinin neden olduğu karapara aklama (AML) zorluklarına karşı bir önlem mi?
ALBINA GAISINA
Doktora
İngilizce
2026
Ekonomiİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. MATTHIAS PETER FINGER