Görüntüleme
40
İndirme
12
Bu çalışmada amaç Bitcoin gibi kripto paralar için başarılı öngörülerin farklı yöntemlerle elde edilip edilemeyeceğinin belirlenmesidir. Çalışmada Bitcoin fiyatlarının (Bitcoin/$) kullanılma nedeni bu kripto para biriminin hala piyasada en yaygın kullanılan kripto para birimi olması ve kripto para birimleri piyasasının genel durumunu başarılı bir şekilde temsil edeceği düşüncesidir. Finansal piyasalara ait seriler spekülasyonlar gibi bazı nedenlerle dalgalanmalar içerebilmektedir. Ayrıca genellikle doğrusal olmayan değişimler içermektedir. Bu gibi özellikleri, finansal zaman serileri için öngörülerin elde edilmesinde başarısızlıklara yol açmaktadır. Bu çalışmanda klasik zaman serisi modellerinden GARCH modeli ve bir makine öğrenme yöntemi olan DVM – EKK yöntemiyle Bitcoin fiyat serisine ait kestirimler elde edilmiş, model performansları karşılaştırılmıştır. Çalışmada 01 Ocak 2017 – 29 Şubat 2020 dönemi, 1155 günlük Bitcoin fiyat serisi ( ) kullanılmıştır. Her iki modelde de Bitcoin fiyat serisi ve bu seriye ait oynaklıklar kullanılmış, dışsal değişkenler modellere dâhil edilmemiştir. Her iki modele göre de öngörüler 1 ay, 2 ay ve 3 aylık periyotlar için elde edilmiştir. GARCH ve DVM – EKK modelleri için MAPE oranlarına göre örneklem dışı başarılı öngörü oranları sırasıyla 1 ay için %98,0347 – %95,3423; 2 ay için %97,9544 – %96,1307 ve 3 ay için %98,1272 – %91,4874’dir. GARCH modeli her üç periyot için de daha başarılı sonuçlar elde edilmesini sağlamıştır. Çalışmanın bulgusu GARCH modelinin kripto para fiyat serisi için öngörülerin elde edilmesinde kullanılabileceği yönündedir.
The aim of this study is to determine whether successful forecasts for cryptocurrencies such as Bitcoin will be obtained by different methods. The reason for the use of Bitcoin prices (Bitcoin/$) in the study is the idea that this cryptocurrency is still the most commonly used cryptocurrency on the market and that cryptocurrencies will successfully represent the overall situation of the market. The series of financial markets may contain volatilities for some reasons, such as speculations. It also often involves non-linear changes. Such features lead to failures in obtaining forecasts for financial time series. In this study, the GARCH model from the classic time series models and the DVM-ECK method, which is a machine learning method, obtained the quotes of the Bitcoin price series, the model performance was compared. The study used the 1155-day Bitcoin price series ( ) for the period from January 1, 2017 to February 29, 2020. Both models have used the Bitcoin price series and the gameplay of this series, the external variables have not been included in the models. According to both models, the forecasts were obtained for periods of 1 month, 2 months and 3 months. According to MAPE rates for GARCH and DVM - ECK models, the unemployed successful forecast rates are 98,0347 - 95,3423 per month respectively; 97,9544 - 96,1307 per month and 98,1272 - 91,4874 per month respectively. The GARCH model made it possible to
Alan : Sosyal, Beşeri ve İdari Bilimler
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
