Veri madenciliği aracı olarak genetik algoritma ve parçacık sürü optimizasyonunu kullanarak kripto paraların fiyat modellemesi
Cryptocurrency price modeling using genetic algorithm and particle swarm optimization as data mining tools
- Tez No: 996647
- Danışmanlar: PROF. DR. ERDOĞAN GAVCAR
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- 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 piyasalarının yüksek oynaklık, doğrusal olmayan fiyat yapısı ve ani dalgalanmalarla karakterize edilmesi, Bitcoin fiyatlarının tahmininde geleneksel yöntemlerin sınırlı kalmasına neden olmaktadır. Çalışmanın temel amacı, Genetik Algoritma (GA) ve Parçacık Sürü Optimizasyonu (PSO) yöntemlerini bir arada kullanarak Destek Vektör Regresyonu (SVR) modeline dayalı, hibrit bir tahmin yaklaşımı geliştirmektir. Bu kapsamda, hem modele dahil edilecek değişkenlerin seçimi hem de SVR modelinin hiperparametrelerinin belirlenmesi bütünleşik bir yapı içinde ele alınmıştır. Analizde, 01.01.2019–31.10.2025 dönemine ait günlük Bitcoin fiyat verileri kullanılmıştır. İlk aşamada GA, geniş bir aday değişken havuzu içerisinden tahmin performansına en fazla katkı sağlayan sınırlı bir değişken alt kümesini belirlemiştir. Elde edilen sonuçlar, günlük frekansta Bitcoin fiyatlarının tahmininde teknik göstergelerin belirleyici olduğunu, makroekonomik değişkenlerin ise daha sınırlı bir etkiye sahip olduğunu göstermektedir. İkinci aşamada PSO, SVR modelinin temel hiperparametrelerini optimize ederek modelin tahmin doğruluğunu ve kararlılığını artırmıştır. Uygulama sonuçları, önerilen GA–PSO–SVR yaklaşımının fiyat seviyesi tahmininde kabul edilebilir hata değerleri ürettiğini ortaya koymaktadır. Buna karşılık, kısa vadeli fiyat hareketlerinin yönünü tahmin etme başarısının görece düşük kalması, kripto para piyasalarının doğasında bulunan yüksek belirsizliği teyit etmektedir. Genel olarak tez, GA ve PSO'nun tamamlayıcı özelliklerini bir araya getiren hibrit optimizasyon yaklaşımının, yüksek oynaklığa sahip finansal zaman serilerinde model performansını artırmada etkili bir yöntem sunduğunu ve Bitcoin fiyat tahmini literatürüne anlamlı bir katkı sağladığını göstermektedir
Özet (Çeviri)
The high volatility, non-linear price structure, and sudden fluctuations characterizing cryptocurrency markets limit the effectiveness of traditional methods in forecasting Bitcoin prices. The primary objective of this study is to develop a hybrid forecasting approach based on the Support Vector Regression (SVR) model by jointly employing Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) techniques. Within this framework, both the selection of input variables and the optimization of SVR hyperparameters are addressed in an integrated manner. The analysis is conducted using daily Bitcoin price data covering the period from January 1, 2019, to October 31, 2025. In the first stage, GA is utilized to identify a reduced subset of variables that contribute most significantly to forecasting performance from a large pool of candidate variables. The results indicate that technical indicators play a dominant role in Bitcoin price prediction at the daily frequency, whereas macroeconomic variables provide relatively limited explanatory power. In the second stage, PSO is employed to optimize the key hyperparameters of the SVR model, leading to improvements in both prediction accuracy and model stability. The empirical findings demonstrate that the proposed GA–PSO–SVR framework produces acceptable error levels in price level forecasting. However, the relatively low success rate in predicting short-term price direction highlights the inherent uncertainty characterizing cryptocurrency markets. Overall, the hybrid optimization approach that combines the complementary strengths of GA and PSO offers an effective framework for enhancing model performance in highly volatile financial time series and contributes meaningfully to the literature on Bitcoin price forecasting.
Benzer Tezler
- Perakende endüstrisinde raf alanı yönetimine veri madenciliği esaslı analitik bir yaklaşım
An analytic approach based on data mining to shelf space management in retail industry
TUNCAY ÖZCAN
Doktora
Türkçe
2011
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR ESNAF
- An approach based on data mining and feature dimension reduction techniques for analysing heart disease data
Kalp hastalığı verilerinin analizinde veri madenciliği ve öznitelik boyut azaltma tekniklerine dayalı bir yaklaşım
AHMAD AYID AHMAD AHMAD
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN POLAT
- Veri madenciliği aracı olarak genetik algoritmalar ile yapay sinir ağları ve yapay sinir ağı-genetik algoritma melez modelinin müşteri değerlendirilmesinde kullanılması
Genetic algorithms and artificial neural networks as data mining tools and usage of artificial neural-genetic algorithm hybrid model for customer evaluation
OSMAN ARDA MERİÇ
- Computer Aided Prognosis of Epileptic Patients Using Multi-Modality Data andArtificial Intelligence Techniques
Çoklu Modalite Verileri ve Yapay Zeka Teknikleri Kullanarak Epilepsi Hastalarına Bilgisayar Yardımıyla Teşhis Konulması
MASOUD LATIFINAVID
Yüksek Lisans
İngilizce
2009
Mekatronik MühendisliğiSharıf Unıversıty Of TechnologyMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HAMID SOLTANIAN-ZADEH
- Nicel birliktelik kurallarının bulanık mantık ve genetik algoritma ile otomatik keşfi
Discovery of quantitative association rules with fuzzy logic and genetic algorithms
KORKUT KORAY GÜNDOĞAN
Yüksek Lisans
Türkçe
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YETKİN TATAR