OPTUNA TABANLI MAKİNE ÖĞRENMESİ YÖNTEMLERİYLE BİTCOİN FİYAT TAHMİNLEME YAKLAŞIMLARI
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Elektrik-Elektronik Fakültesi, Elektronik ve Hab.Müh.Böl, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: Berkay YILDIRIM
Danışman: Murat Taşkıran
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kripto piyasaları, yüksek volatiliteleri ve öngörülemez yapıları nedeniyle finansal zaman serisi tahminlerinde önemli zorluklar sunmaktadır. Bu çalışmanın amacı, literatürde var olan yapay zeka modellerini ve finansal teknik indikatörleri kullanarak, Bitcoin'in ABD doları karşısındaki dört saatlik fiyatını tahmin edebilmektir. Çalışmada zaman serisi yaklaşımı olarak Otoregresif Entegre Hareketli Ortalama (ARIMA), Aşırı Gradyan Artırma (XGBoost), Yinelemeli Sinir Ağı (RNN), Uzun Kısa Süreli Bellek (LSTM), Zamansal Evrişimsel Ağ (TCN) ve Transformer modelleri kullanılmıştır. Teknik analiz yaklaşımı olarak, veri seti teknik indikatörlerle birlikte özellik mühendisliği süreçlerinden geçirilip geleneksel makine öğrenmesi algoritmaları uygulanmıştır. Modellerin en iyi performansı gösterebilmesi için hiperparametreleri Optuna ile optimize edilmiştir. Farklı yaklaşımlardaki en iyi performans gösteren modellerin sonuçları, topluluk yöntemi yaklaşımı olarak belirlenen üç farklı yöntemle birleştirilerek değerlendirilmiştir. Modellerin ve yöntemlerin performansları, Kök Ortalama Kare Hatası (RMSE) ve Ortalama Mutlak Hata (MAE) metrikleriyle karşılaştırılmıştır. Sonuçlar, zaman serisi yaklaşımında Transformer modelinin MAE değeri 280.07 ve RMSE değeri 431.71 ile öne çıktığını göstermektedir. Ayrıca yüzdesel olarak hedef değişken belirlemenin, doğrudan fiyatın hedef değişken olarak kullanılmasındandaha iyi performans gösterdiği belirlenmiştir. Topluluk yöntemi olarak en iyi performans gösteren Ağırlıklı Ortalama Yöntemini MAE değeri 149.1490 ve RMSE değeri 247.3687 ile öne çıkmaktadır. Bu bulgular, önerilen yaklaşımların kripto pazarı tahmininde önemli bir potansiyele sahip olduğunu ve gelecekteki çalışmalarda daha ayrıntılı olarak incelenmesi gerektiğini ortaya koymaktadır.