Views
18
Downloands
1
Finans dünyasında kripto para birimlerinin artan fiyat dalgalanmaları ve büyük kar potansiyeline sahip olması, özellikle Bitcoin olmak üzere bu para birimlerinin son derece doğrusal olmayan fiyatlarının sağlam tahminini yapmak için gelişmiş makine öğrenme teknolojilerinin kullanılması son yıllarda oldukça popular hale geldi. Ayrıca, gelecekteki değerini tahmin etmek, bilgisayar bilimi ve finans gibi farklı alanlarda ilgi çekici bir araştırma konusu haline geldi. Bu çalışmada, Bitcoin kripto para birimi fiyatını tahmin etmek için çeşitli istatistiksel ve makine öğrenme teknikleri uygulandı ve sonuçlar karşılaştırıldı. 1 Ocak 2013 ile 15 Ekim 2020 tarihleri arasında günlük Bitcoin verilerini kullanarak, istatistiksel teknikler arasında Hareketli Ortalama Analizi ve Otoregresif Entegre Hareketli Ortalama uygulanmış olup Makine Öğrenimi (ML) teknikleri arasında Sinir ağı, Derin sinir ağı, Tekrarlayan Sinir Ağı (RNN) ve en çok tercih edilen RNN'lerden biri olan LSTM, 32 pencere boyutu ile tek değişkenli zaman serisi analizi kapsamında uygulandı. Sadece istatistiksel teknikleri uygulamak yerine makine öğrenimi algoritmalarının bu tarz tahminleme problemlerinde uygulanabilirliğini ve hatta daha iyi sonuçlar verdiği gösterildi ve 2021'in ilk ayının Bitcoin değerleri, oluşturulan sinir ağı ile tahmin edildi. Makine öğrenimi algoritmalarının yararlılığını kanıtlamak ve daha derin algoritmanın daha iyi sonuç verdiğini göstermek için, ortalama hata karesi (MSE), ortalama mutlak hata (MAE) ve ortalama mutlak yüzde hata (MAPE) ölçümleri kullanıldı. Sonuçların, derin öğrenme algoritmasının, algoritmaların derinliği ile orantılı olarak MSE, MAE ve MAPE ölçümleri açısından günlük Bitcoin fiyatını tahmin etmede diğer yöntemlere göre daha iyi sonuç verdiği ortaya konulmuştur. Ancak, bu çalışmada seçilen parametrelere göre LSTM, ağı eğitilememiş olup, ARIMA istatistiksel yöntemi ve diğer ML algoritmalarından daha iyi sonuçlar elde edilemedi.
Increasing fluctuations in pricing and having great potential for profit in finance world, utilization in advanced machine learning technologies to make robust prediction of highly nonlinear prices of cryptocurrencies especially Bitcoin have attracted great attention in recent years and forecasting its value have become an interesting research subject in different areas such as computer science and finance. In this study, various statistical and machine learning techniques have been conducted and compared to predict Bitcoin crypto currency price. By using the historical daily Bitcoin data between January 1, 2013 to October 15, 2020, Moving Average Analysis and Autoregressive Integrated Moving Average among the statistical techniques, and among Machine Learning (ML) techniques Neural network, Deep neural network, Recurrent Neural Network (RNN) and LSTM, one of the most preferred RNN have been applied for the univariate time series analysis with window size of 32. It has aimed to justify the usefulness of the machine learning algorithms instead of just apply statistical techniques. Besides, Bitcoin value of the first month of the 2021 has been predicted. To prove the usefulness of ML algorithms, and to show that deeper algorithm results better, mean squared error (MSE), mean absolute error (MAE) and mean absolute percentage error (MAPE) metrics have been used for comparison. The results have revealed that deep learning algorithm yields better than other methods in predicting daily Bitcoin price in terms of MSE, MAE and MAPE metrics proportional to the deepness of the algorithms. Nonetheless, LSTM does not have capability to train the network according to the parameters selected during this study and it has not been outperformed than ARIMA statistical method and other ML algorithms.
Field : Fen Bilimleri ve Matematik; Mühendislik
Journal Type : Uluslararası
Article Detail 
Similar Articles
Download PDF
Journal Information
Listen Paper
Cite
Print This Page
Share
Mendeley
