Görüntüleme
12
İndirme
1
Artan popülaritesi ve ticari kabulü nedeniyle, kripto para birimi finansal sistemi değiştirmede giderek daha önemli bir rol oynamaktadır. Birçok kişi kripto para birimine yatırım yaparken, kripto para biriminin dinamik özellikleri ve öngörülebilirliği hala büyük ölçüde bilinmemektedir ve bu da yatırımları riske sokmaktadır. Bu yazıda, Tekrarlayan Sinir Ağını (LSTM) kullanarak değerini mümkün olan en yüksek doğrulukla etkileyen çeşitli faktörleri dikkate alarak Bitcoin fiyatını tahmin etmeye çalışıyoruz. Bu çalışmada kullandığımız veriler, beş yıllık bir süre boyunca Bitcoin fiyatlandırmasının birçok yönünün güncellenmiş günlük kayıtlarını içermektedir. Kripto para birimi (Bitcoin) verileri çok değişken olduğundan, daha iyi bir tahmin sonucuna sahip olmak için verilerin etkili bir ön işlemesini uyguluyoruz. Bu çözümle %95.7'lik bir doğruluk ve 0.05'lik bir RMSE elde ediyoruz. Ayrıca, bu çalışmayı performans ve doğruluğa dayalı olarak mevcut diğer yöntemlerle karşılaştırıyoruz. Bu karşılaştırma, LSTM'yi yeterli hiperparametre ayarlaması ile kullanmanın, kripto para birimi fiyat tahmini için en etkili yollardan biri olduğunu göstermektedir.
Due to its growing popularity and commercial acceptance, cryptocurrency is playing an increasingly essential role in altering the financial system. While many people are investing in cryptocurrency, the dynamic characteristics and predictability of cryptocurrency are still largely unknown, putting investments at risk. In this paper, we attempt to anticipate the Bitcoin price by taking into account a variety of factors that influence its value with the highest possible accuracy using (LSTM) Recurrent Neural Network. The data we use in this work includes updated daily records of many aspects of Bitcoin pricing over a five-year period. Since the cryptocurrency (Bitcoin) data is so volatile, we implement an effective pre-processing of the data in order to have a better prediction result. With this solution, we gain accuracy of 95.7% and RMSE of 0.05. Furthermore, we compare this work with other existing methods based on performance and accuracy. This comparison demonstrates that utilizing LSTM with adequate hyperparameter tweaking is one of the most efficient ways for cryptocurrency price prediction.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
