Makine Öğrenmesi Yöntemleri ile Kripto Paraların Gelecekteki Tahmini
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Elektrik-Elektronik Fakültesi, Bilgisayar Mühendisliği, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: Elif Dilasa Kurt
Eş Danışman: Ahmet ELBİR
Danışman: Banu Diri
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Günümüzde her türden veri, makine öğrenmesi algoritmalarıyla işlenmekte ve bu verilerden yararlanarak tahmin yapacak modeller oluşturulmaktadır. Bu algoritmaların ürettiği modeller sayesinde geleceğe yönelik tahminler yapmak, her sektör için büyük bir önem taşır. Özellikle ekonomi ve finans sektörü, geleceğe yönelik tahminlerin yapılmasının kritik olduğu alanlardan biridir. Finans sektöründe son dönemde dikkat çeken kripto para piyasaları, kripto paralar başta olmak üzere birçok finansal unsurun ticaretinin yapıldığı, dünya genelinde yaygın olarak kullanılan finansal varlık sınıflarından birisidir. Kripto para piyasalarının sosyal medya etkileşimleri, son dakika haberleri, savaş veya salgın gibi olağanüstü durumlar ve spekülatif davranışlar gibi çeşitli faktörler nedeniyle yüksek dalgalanma ve karmaşıklık göstermesi, bu kripto para birimlerinin fiyat tahmininde düşük hata payıyla sonuç almak açısından çeşitli zorluklar yaratmaktadır. Bu faktörler ve zorluklar altında, yapay zekâ ve makine öğrenimi yöntemlerinin kullanımı, günümüzde giderek daha fazla önem kazanmaktadır. Özellikle kısa vadeli tahminler yaparak bu finansal araçlardaki yatırımlardan zarar etmemek için bu yöntemlerin kullanımı çoğu finans sektörü kullanıcısının ortak hedefi olmuştur. Bu çalışmada, çeşitli kripto paraların fiyat tahminleri için ARIMA, LSTM, XGBoost, LightGBM ve CatBoost gibi beş farklı makine öğrenmesi yöntemi kullanılmıştır. Deneysel çalışmalar; 15 dakika, 1 saat ve 4 saatlik zaman dilimlerinde ve on farklı kripto para birimi (XRPUSDT, TRXUSDT, NEOUSDT, LTCUSDT, ETHUSDT, DOGEUSDT, DASHUSDT, BTCUSDT, BNBUSDT ve ADAUSDT) için gerçekleştirilmiştir. Elde edilen deneysel sonuçlar değerlendirildiğinde, kök ortalama kare hatası (RMSE) metriği açısından CatBoost algoritması en iyi performansı göstermiştir. Ek olarak, düşük kapanış değerlerine sahip kripto paraların daha iyi tahmin sonuçları verdiği gözlemlenmiştir. Bu sonuçlar, kripto para piyasalarında etkili fiyat tahminleri yapabilmek için makine öğrenimi yöntemlerinin ne kadar kullanışlı olduğunu ortaya koymaktadır. Bu bağlamda, kripto para yatırımcıları ve finans sektörü uzmanları için geleneksel analiz yöntemlerine ek olarak bu yöntemleri kullanmak daha hızlı ve daha bilinçli bir analiz yapabilmek mümkün olabilecektir. Bu türdeki çalışmalardan elde edilen deneyim bu alanda gelecekteki yapılacak çalışmalara öncülük edebilecektir.