AI Summary & Key Takeaways
AI InsightThis paper outlines the methodology, reviews relevant studies from 2017 to 2024, highlights gaps in the literature, and emphasizes the study’s contributions to the field.
📌 3 Key Takeaways
Abstract
Investment advisory services are now commonly offered by consulting firms with financial experts, typically for a monthly fee. Financial markets require specialized knowledge, but advancements in artificial intelligence have revolutionized this field. Deep learning algorithms, especially Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU), are widely used to predict asset price trends in nonlinear time-series data. However, they demand large datasets and are prone to overfitting. Recently, combining deep learning with reinforcement learning has shown promise, though it requires intensive research and computational resources. This study introduces the BTC-PDPR (Bitcoin Price Direction Prediction Robot) model, which predicts Bitcoin's daily price direction using the Random Forest Regressor. As an ensemble-based machine learning model, it works effectively with smaller datasets and identifies key technical indicators influencing price trends. The model achieved a 99.20% accuracy rate on data from March 2018 to the present. It runs efficiently in Google Colab (v5e1 configuration), producing results in just 22 seconds. This paper outlines the methodology, reviews relevant studies from 2017 to 2024, highlights gaps in the literature, and emphasizes the study’s contributions to the field.
Özet
Günümüzde yatırım danışmanlığı, profesyonel olarak sunulan yaygın bir hizmettir. Bu hizmeti sağlamak için danışmanlık firmaları kurulur ve finans uzmanları istihdam edilir. Hizmetten faydalanmak isteyen bireyler aylık ücret ödeyerek danışmanlık alır. Finansal piyasalar uzmanlık gerektirir. Ancak yapay zekâ sistemlerinin gelişmesiyle, bu alanda da önemli dönüşümler yaşanmıştır. Özellikle LSTM ve GRU gibi derin öğrenme algoritmaları, doğrusal olmayan zaman serisi verilerle kısa, orta ve uzun vadeli fiyat tahminlerinde kullanılmaktadır. Ancak bu yöntemler büyük veri setleri gerektirir ve aşırı öğrenmeye (overfitting) yatkındır. Derin öğrenme ile pekiştirmeli öğrenmenin birlikte kullanımı başarılı sonuçlar verse de, bu modellerin entegrasyonu yoğun araştırma ve hesaplama gücü gerektirir. Bu çalışmada, Random Forest Regressor kullanılarak Bitcoin’in (BTC) günlük fiyat yönünü tahmin eden BTC-FYTR (Bitcoin Fiyat Yönü Tahminleme Robotu) modeli tanıtılmaktadır. Ensemble tabanlı bu makine öğrenimi modeli, büyük veri ihtiyacı duymadan, fiyatı etkileyen teknik indikatörleri başarıyla belirleyerek yüksek doğruluk sunmaktadır. Mart 2018’den günümüze kadar olan verilerle yapılan testlerde model, %99.20 başarı oranına ulaşmıştır. Google Colab v5e1 konfigürasyonunda yalnızca 22 saniyede sonuç üretmektedir. Ayrıca çalışmada 2017-2024 arası literatür incelenmiş, eksiklikler belirlenmiş ve bu çalışmanın alana katkısı ortaya konmuştur.