KRİPTO PARA FİYATLARININ LSTM VE GRU MODELLERİ İLE TAHMİNİ
Open Access
- 29 March 2023
- journal article
- research article
- Published by Mehmet Akif Ersoy Universitesi Iktisadi ve Idari Bilimler Fakultesi Dergisi in Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi
- Vol. 10 (1) , 134-157
Abstract
Yakın geçmişte hayatımıza giren ve kısa zamanda finansal piyasalarda kendisine yer bulan kripto paralar, hem bir değişim aracı hem de bir yatırım aracı olarak kullanılmaktadır. Kripto paraların merkezi bir otoritenin kontrolünde olmaması bu araçların fiyatlarında dalgalanmaları beraberinde getirmiştir. Bu nedenle, akıllı bir tahmin modelinin geliştirilmesi, yatırım yapılacak finansal varlıkların seçimi ve yatırım kararlarının hayata geçirilmesi açısından oldukça önemlidir. Derin öğrenme ve yapay zeka, yatırım yapılacak olan kripto para birimi ve diğer yatırım araçlarının seçiminde kullanılmaktadır. Tekrarlayan Sinir Ağı (RNN), Uzun-Kısa Süreli Bellek (LSTM) ve Geçitli Yinelenen Birim (GRU) modeli gibi derin öğrenme modellerinin, kripto para birimi fiyat tahmininde geleneksel zaman serisi modellerinden daha iyi performans gösterdiği araştırmacılar tarafından kanıtlanmıştır. Bundan dolayı bu çalışmada, özel bir RNN yöntemi olan LSTM ve GRU’dan yararlanılarak, günümüzde piyasa değeri ve işlem hacmi en yüksek olan kripto paralardan Bitcoin, Ethereum ve Ripple’ın 30 günlük fiyat tahmininde bulunulmuştur. Araştırmanın sonucunda her iki modelde de en iyi tahmin sonucunu Bitcoin vermiştir. İkinci en iyi tahmin sonucu Ripple, sonrasında ise Ethereum için bulunmuştur. Kullanılan yöntemler karşılaştırıldığında ise MAPE performans ölçütüne göre en iyi tahmin sonucuna Bitcoin ve Ripple için GRU, Ethereum için ise LSTM modeli ile ulaşılmıştır.Keywords
This publication has 16 references indexed in Scilit:
- SOSYAL MEDYA VE YATIRIM ARAÇLARININ DEĞERİ ARASINDAKİ İLİŞKİNİN İNCELENMESİ: BITCOIN ÖRNEĞİAkademik İncelemeler Dergisi, 2019
- Bitcoin technical trading with artificial neural networkPhysica A: Statistical Mechanics and its Applications, 2018
- ANALYSIS OF BITCOIN MARKET EFFICIENCY BY USING MACHINE LEARNINGCBU International Conference Proceedings, 2018
- Does economic policy uncertainty predict the Bitcoin returns? An empirical investigationFinance Research Letters, 2018
- On the Practical Computational Power of Finite Precision RNNs for Language Recognition2018
- Cryptocurrency value formation: An empirical study leading to a cost of production model for valuing bitcoinTelematics and Informatics, 2017
- What Are the Main Drivers of the Bitcoin Price? Evidence from Wavelet Coherence AnalysisPLOS ONE, 2015
- Deep Learning: Methods and ApplicationsFoundations and Trends® in Signal Processing, 2014
- Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation2014
- Long Short-Term MemoryNeural Computation, 1997