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
- Tez No: 966901
- Danışmanlar: PROF. DR. ERKAN IŞIĞIÇOK
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- 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: 81
Özet
Bu tez çalışmasının amacı, geleneksel finansal varlıkların verileri kullanılarak Bitcoin fiyatlarının tahmini amacıyla farklı derin öğrenme modelleri geliştirilmiş ve bu modellerin performansları karşılaştırmalı olarak incelenmiştir. Bitcoin gibi yüksek dalgalanmalara sahip kripto paraların gelecekteki fiyatlarının doğru şekilde tahmin edilmesi, yatırım kararları açısından büyük önem taşımaktadır. Bu doğrultuda çalışmada Nasdaq100 Endeksi, ABD Dolar Endeksi, Euro Stoxx 50 Endeksi ve S&P 500 Endeksi girdi olarak kullanılmıştır ve bu verilerin Bitcoin fiyatları üzerindeki etkisi değerlendirilmiştir. Modelleme sürecinde özellikle LSTM, RNN-LSTM, LSTM-CNN gibi hibrit derin öğrenme modelleri kullanılmış; farklı modellerin tahmin başarıları çeşitli metriklerle ölçülerek kıyaslanmıştır. Elde edilen sonuçlara göre, LSTM-CNN hibrit modeli, hem zaman bağımlılıklarını modelleme hem de örüntü veya desen çıkarımı açısından üstün bir performans sergilemiş ve diğer modelleri geride bırakmıştır. Bu çalışma, geleneksel finansal göstergelerin kripto para piyasalarındaki fiyat tahminlerinde etkin biçimde kullanılabileceğini ve derin öğrenme modellerinin bu tür karmaşık ilişkileri yakalamada başarılı olduğunu ortaya koymaktadır.
Özet (Çeviri)
The aim of this thesis study is to develop different deep learning models for the purpose of predicting Bitcoin prices using data from traditional financial assets and to comparatively examine the performance of these models. Accurate forecasting of the future prices of cryptocurrencies such as Bitcoin, which are characterized by high volatility, holds great importance for investment decisionmaking. In this context, the Nasdaq-100 Index, the U.S. Dollar Index, the Euro Stoxx 50 Index, and the S&P 500 Index were used as input variables, and the impact of this data on Bitcoin prices was evaluated. In the modeling process, especially hybrid deep learning models such as LSTM, RNN-LSTM, and LSTM-CNN were employed; the prediction performances of the different models were measured using various metrics and compared. According to the results obtained, the LSTM-CNN hybrid model demonstrated superior performance both in modeling temporal dependencies and in pattern extraction, surpassing the other models. This study reveals that traditional financial indicators can be effectively used in price prediction in cryptocurrency markets, and that deep learning models are successful in capturing such complex relationships.
Benzer Tezler
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- İşletmelerde finansal başarısızlık tahminlemesi ve Borsa İstanbul'da faaliyet gösteren gıda şirketlerinde uygulama
Financial distress forecasting in businesses and application in food companies operating in stock exchange Istanbul
KEREM URAL
- Krizlerle mücadelede mali uyum politikaları ve mali alan ilişkisi: Türkiye açısından bir analiz
Fiscal adjustment policies and fiscal space relations on struggling with crisis: An analysis from the view point of Turkey
AYŞEGÜL DURUCAN
- Krizlerin imalat sektörü üzerindeki etkilerinin finansal rasyolarla analiz edilebilirliği ve 2008 örneği
Analyzability of the effect of crisis on manufacturing industry using financial ratios and 2008 crisis
GÜNAY DENİZ DURSUN
