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
- Tez No: 983793
- Danışmanlar: PROF. DR. SERPİL ALTINIRMAK
- Tez Türü: Doktora
- Konular: İşletme, Maliye, Business Administration, Finance
- Anahtar Kelimeler: Fiyat tahmini, Kripto para birimi, Makine öğrenmesi yöntemleri, Price ferecasting, Crypto currency, Machine learning methods
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Finansman Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kripto para birimleri son yıllarda büyük bir ilgi odağı haline gelmiştir ve birçok kişi tarafından yatırım fırsatı olarak görülmektedir. Ancak, kripto para piyasası oldukça volatil bir yapıya sahip olduğundan, fiyat tahminleri yapmak zorlu bir görev halini almıştır. Bu kapsamda bu tezin amacı; kripto para birimlerinin fiyat tahmini için farklı makine öğrenmesi modellerini karşılaştırmak ve Çok Kriterli Karar Verme (ÇKKV) teknikleri aracılığıyla en etkili yöntemi belirlemektir. Çalışmada, kripto paralara ait geçmiş fiyat hareketleri, teknik analiz göstergeleri, makroekonomik değişkenler ve yatırımcı duyarlılığına ilişkin göstergeler bir arada değerlendirilmiş ve 2018–2023 dönemine ait günlük veriler kullanılarak SVM, LSTM, RF ve XGBoost algoritmalarıyla tahmin modelleri geliştirilmiştir. Modellerin performansları R², MAE, MSE ve RMSE gibi istatistiksel hata metrikleriyle ölçülmüştür. Ayrıca değişkenlerin önem düzeyleri, SVM ve LSTM için permütasyon önem analizi ile, RF ve XGBoost'un ise gömülü önem hesaplama yöntemleri ile analiz edilmiştir. Son aşamada, en iyi yöntemi ÇKKV teknikleriyle belirlemek amacıyla; CRITIC yöntemi ile kriter ağırlıkları belirlenerek TOPSIS, ARAS ve CODAS yöntemleriyle sıralamalar yapılmış ve genel sıralama Copeland yöntemi ile elde edilmiştir. Sonuçlara göre dört yöntemde kripto para fiyatlarını tahmin etmede başarılı olmuştur. Copeland yöntemine göre en yüksek genel başarıyı XGBoost algoritmasının sağladığı görülmektedir. LSTM algoritması ikinci sırada yer alırken, RF üçüncü ve SVM dördüncü sırada yer almıştır.
Özet (Çeviri)
In recent years, cryptocurrencies have become a major focus of attention and are widely regarded as investment opportunities. However, due to the highly volatile nature of the cryptocurrency market, price prediction has become a challenging task. In this context, the aim of this thesis is to compare different machine learning models for predicting cryptocurrency prices and to identify the most effective method using Multi-Criteria Decision Making (MCDM) techniques. The study integrates historical price movements of cryptocurrencies, technical indicators, macroeconomic variables, and investor sentiment indicators. Prediction models were developed using SVM, LSTM, RF, and XGBoost algorithms, based on daily data from the period 2018–2023. The performance of the models was evaluated using statistical error metrics such as R², MAE, MSE, and RMSE. In addition, the importance of variables was analyzed using permutation importance for SVM and LSTM, and embedded feature importance methods for RF and XGBoost. In the final stage, in order to determine the best method via MCDM techniques, the CRITIC method was used to assign weights to the criteria, and the TOPSIS, ARAS, and CODAS methods were employed for ranking. The overall ranking was obtained through the Copeland method. According to the results, all four methods performed successfully in predicting cryptocurrency prices. Among them, the XGBoost algorithm demonstrated the highest overall performance based on the Copeland method, followed by LSTM in second place, RF in third, and SVM in fourth.
Benzer Tezler
- Investigation of financial applications with blockchain technology
Blockchaın teknolojsı ıle fınansal uygulamaların incelenmesi
MOHAMMED ALI MOHAMMED MOHAMMED
Yüksek Lisans
İngilizce
2023
Çankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Kripto para piyasasında etkinlik analizi ve getiri tahmini
Efficiency analysis in the cryptocurrency market and return prediction
AHMET FURKAN SAK
- An integrated machine learning and metaheuristic approach for cryptocurrency price prediction
Kripto para fiyatı tahmininde makine öğrenmesi ve metasezgisel entegre bir yaklaşım
KENAN BAYAZ
- Karma frekanslı zaman serilerinin modellenmesi: Büyük veri örneği
Modeling of mixed frequency time series: Big data example
GÖZDE BOZKURT
- Price prediction of different cryptocurrencies using technical trade indicators and machine learning
Teknik ticaret göstergeleri ve makine öğrenmesi kullanılarak farklı kripto para birimlerinin fiyat tahmini
MOHAMMED AL-AZZAWI
