SavedAdd your journal

Journals / Munzur Üniversitesi Sosyal Bilimler Dergisi / 2024 / Cilt: 13 Sayı: 2

Derin Öğrenme Yöntemleri İle Bitcoin Fiyat Analizi

Serkan Metin(TURGUT ÖZAL ÜNİVERSİTESİ)0000-0003-1765-7474
Pages
93–111
Publication Date
2025-01-22
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Modellerin tahmin doğruluk oranlarına bakıldığında LSTM %75, GRU %82’i, RNN %83 ve CNN %62’lik bir başarı göstermiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bitcoin öncülüğünde hayatımıza giren kripto paralar, niş bir dijital varlıktan ana akım bir finansal enstrümana dönüşmüş durumda.
📊
Key Findings & Data:Bu amaç doğrultusunda kripto para yatırımcılarının tercih ettiği diğer kripto paralar arasından seçilen Litecoin, Cardano, Tron, Solana, Ripple, Floki, Etherum ait 30.01.2023- 30.08.2024 tarihleri arasındaki fiyatlarından oluşan toplam 580 adet veri kullanılmıştır.
💡
Conclusion & Impact:Modellerin tahmin doğruluk oranlarına bakıldığında LSTM %75, GRU %82’i, RNN %83 ve CNN %62’lik bir başarı göstermiştir.
🔬Design:Modeling & Simulation
📍Scope:2023 · 580 adet
⚙️Variables:LSTM · GRU · RNN

Özet

Bitcoin öncülüğünde hayatımıza giren kripto paralar, niş bir dijital varlıktan ana akım bir finansal enstrümana dönüşmüş durumda. Bu hızlı gelişim, kripto para piyasasının oldukça dalgalı yapısını anlamak ve yönlendirmek için kapsamlı analiz yöntemlerine olan ihtiyacı da artırdı. Makine öğrenimi ve derin öğrenmenin gelişimi, kripto para analizinde daha karmaşık öngörü modelleri sunarak büyük miktardaki veriden öğrenme yeteneği sağlamaktadır. Bu gelişmiş teknikler, karmaşık piyasa modellerini analiz edebilir, geçmiş verilerden çıkarımlar yapabilir ve kısa vadeli fiyat tahminleri yapmada yardımcı olabilmektedir. Bu çalışmanın amacı derin öğrenme yöntemleri kullanarak ileriye dönük bir fiyat tahminlemesi yapmaktır. Bu amaç doğrultusunda kripto paralar içerisinde lokomotif görevi gören Bitcoin fiyatını tahmin etmektir. Bu amaç doğrultusunda kripto para yatırımcılarının tercih ettiği diğer kripto paralar arasından seçilen Litecoin, Cardano, Tron, Solana, Ripple, Floki, Etherum ait 30.01.2023- 30.08.2024 tarihleri arasındaki fiyatlarından oluşan toplam 580 adet veri kullanılmıştır. Bitcoin fiyat tahmin için derin öğreneme yöntemlerinden LSTM, GRU, RNN ve CNN modelleri seçilmiştir. Eğitim aşamasında 580 veriden oluşan veri setinin %75’i kullanılmıştır. Modellerin tahmin doğruluk oranlarına bakıldığında LSTM %75, GRU %82’i, RNN %83 ve CNN %62’lik bir başarı göstermiştir.

🔖

Cite This Article

Metin, S. (2025). Derin Öğrenme Yöntemleri İle Bitcoin Fiyat Analizi. Munzur Üniversitesi Sosyal Bilimler Dergisi, Cilt: 13 Sayı: 2, 93–111. https://ajindex.com/articles/1283993

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (21)

  1. Abraham, J,, Higdon, D., Nelson, J. ve Ibarra, J. (2018). Cryptocurrency Price Prediction Using Tweet Volumes and Sentiment Analysis. SMU Data Science Review, 1(3)
  2. Chiap, G., Ranalli, J. ve Bianchi, R. (2019). Blockchain Tecnologia e applicazioni per il business. ISBN:978-88-203-9007-5, 2019,
  3. Demirci, E. ve Karaatlı, M. (2023). Kripto Para Fiyatlarının LSTM Ve GRU Modelleri İle Tahmini. Mehmet Akif Ersoy İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(1), 134-157
  4. Drescher, D. (2017). Blockchain Basics A Non-Technical Introduction in 25 Steps, Apress, ISBN 978-1-4842-2603-2, 1-120.
  5. Eylasov, N. ve Çiçek, M. (2024). Kripto Para Fiyatlarının Tahmini: Arıma-Garch Ve Lstm Yöntemlerinin Karşılaştırılması. FESA Dergisi, 9(1), 48 – 62
  6. Gururaj, H.L, Athreya, M.A, Kumar, A., Holla, A., Nagarajath S.M. ve Kumar, V.R. (2020). Blockchain: A New Era Of Technology. Cryptocurrencies and Blockchain Technologies and Applications,3-24
  7. Hamayel, M.J. ve Owda, A.Y. (2021). A Novel Cryptocurrency Price Prediction Model Using GRU, LSTM and bi-LSTM Machine Learning Algorithms. AI 2021, 2, 477–496
  8. Kocabaş, A., Canik, F., Yeşilyurt, C. ve Günkut, M. (2022). Yapay Zeka Teknikleri ile Kripto Para Değeri Tahmini, Ekonomi Bilimleri Dergisi, 14 (1): 42-71., https://doi.org/10.55827/ebd.1060983
  9. Kshetri, N. (2018). Blockchain’s roles in strengthening cybersecurity and privacy. Journal of International Technology and Information Management, 27(1), 2-7.
  10. Mudassir, M., Bennbaia, S., Unal, D. ve Hammoudeh M. (2020). Time-series forecasting of Bitcoin prices using high-dimensional features: a machine learning approach. Neural Computing and Applications, https://doi.org/10.1007/s00521-020-05129-6
  11. Murray, K., Rossi, A., Carraro, D. ve Visentin, A. (2023). On Forecasting Cryptocurrency Prices: A Comparison of Machine Learning, Deep Learning, and Ensembles. Forecasting, 5, 196–209
  12. Patel, M.M., Tanwar, S., Gupta, R. ve Kumar, N. (2020). A Deep Learning-based Cryptocurrency Price Prediction Scheme for Financial Institutions. Journal of Information Security and Applications 55 (2020) 102583
  13. Pintelas, E., Livieris, I.E., Stavroyiannis, S., Kotsilieris, T., ve Pintelas, P. (2020). Investigating the Problem of Cryptocurrency Price Prediction: A Deep Learning Approach. International Federation for Information Processing, 584, 99–110
  14. Poongodi, T., Sujatha, R., Sumathi, D., Suresh, P. ve Balamurugan, B. (2020). Blockchain In Social Networking. Cryptocurrencies and Blockchain Technologies and Applications, 55-76
  15. Szmigiera, M. (2023). The Impact of Cryptocurrency on the Global Economy. Journal of Digital Finance, 4(1), 10-12.
  16. Şenol, D. Ve Denizhan, D. (2023). Kripto Para Değerinin Yapay Sinir Ağları Ve Regresyon Analizi İle Tahmini. Journal of Industrial Engineering 34(1), 42-69
  17. Tanwar, S., Patel, N.P., Patel, S.N., Patel, J.R., Sharma, G. ve Davıdson, I.E. (2021). Deep Learning-Based Cryptocurrency Price Prediction Scheme With Inter-Dependent Relations. IEEEAccess, 9
  18. Tapscott, D. ve Tapscott, A. (2016). Blockchain Revolution: How the Technology Behind Bitcoin Is Changing Money, Business, and the World. Penguin Random House, 20.
  19. Wang, B., Chen, S., Yao, L., Liu, B., Xu, X. ve Zhu, L. (2018). A Simulation Approach for Studying Behavior and Quality of Blockchain Networks. ICBC 2018, LNCS 10974, 18-31.
  20. Murray, K., Rossi, A., Carraro, D. ve Visentin, A. (2023). On Forecasting Cryptocurrency Prices: A Comparison of Machine Learning, Deep Learning, and Ensembles. Forecasting, 5, 196–209
  21. Tanwar, S., Patel, N.P., Patel, S.N., Patel, J.R., Sharma, G. ve Davıdson, I.E. (2021). Deep Learning-Based Cryptocurrency Price Prediction Scheme With Inter-Dependent Relations. IEEEAccess, 9