Öz
Tahmin
teknikleri ve modelleri, doğru karar alma ve yatırım aşamasında kişiler ve
kuruluşlar için son derece önemlidir. Tahminin doğruluğu başarılı kararlar
alınmasını sağlar ve yatırımcıların fayda maksimizasyonuna ulaşmasına imkân
tanır. Bu çalışmada, kripto para türlerinden en yaygın olarak kullanılan
Bitcoin fiyatlarının yapay sinir ağları yöntemi ile tahmin edilmesi
amaçlanmıştır. Girdi değişkenler olarak; Dow-Jones, S&P500, Nasdaq100,
Eurostoxx Endeksleri, İsviçre Frangı, İngiliz Sterlini, Euro, Altın, Gümüş yatırım
araçları alınmıştır. 2013-2018
tarihleri arasında günlük kapanış fiyatları verileri kullanılmıştır. Çalışmada
geri beslemeli yapay sinir ağı modeli kullanılmıştır. 2019 Ocak ayı tahmini
yapılarak model test edilmiştir ve modelin tahmin doğruluğu R2 değeri
%99 başarı ile gerçekleşmiştir.
Anahtar Kelimeler
Kaynakça
- Amjad, M., & Shah, D. (2017). Trading Bitcoin and Online Time Series Prediction. In NIPS 2016 Time Series Workshop (pp. 1-15).
- Aslan F., Pençe İ, Çeşmeli M.Ş., Kalkan A. (2018). “Bitcoin’in Türkiye Piyasasındaki Değerinin Yapay Zeka Teknikleri ile Tahmini”. 5 th International Management Information Systems Conference. October 24-26 2018 Ankara
- Atik, M., Köse, Y., Yılmaz, B. ve Sağlam, F. (2015). Kripto Para: Bitcoin ve Döviz Kurları Üzerine Etkileri. Bartın Üniversitesi İİ BF Dergisi, 6(11), 247-261.
- Baek, C. And M. Elbeck (2014). Bitcoin as an Investment or Speculative Vehicle? A First Look. Applied Economics Letters Journal . Vol 22 (1). 30-34
- Bellanger, M., (2000). Digital Processing of Signal: Theory and Practice, John Wiley and Sons, USA.
- Çapanoğlu, M.B. (1993). “Türkiye ve Dış Ülkelerde Sermaye Piyasası Özelleştirme Uygulamaları ve Menkul Kıymet Borsaları”, İstanbul, Beta Basım Yayım Dağıtım A.Ş.
- Çarkacıoğlu, Abdurrahman (2016). “Kripto-Para BITCOIN”, Sermaye Piyasası Araştırma Dairesi, Araştırma Raporu.
- https://twitter.com/StockTwits/status/967035319592869888, Erişim(15/04/2019)
- Jang, H., & Lee, J. (2018). An Empirical Study on Modeling and Prediction of Bitcoin Prices With Bayesian Neural Networks Based on Blockchain Information. IEEE Access, 6, 5427-5437.
- Karasu, S., Altan, A., Saraç, Z., & Hacioğlu, R. (2018, May). Prediction of Bitcoin prices with machine learning methods using time series data. In 2018 26th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
- Khalilov Merve Can Kuş, Mücahit Gündebahar ve İrfan Kurtulmuşlar (2017). “Bitcoin ile Dünya ve Türkiye’ deki Dijital Para Çalışmaları Üzerine Bir İnceleme”, 19. Akademik Bilişim Konferansı 8-10 Şubat 2017, Aksaray.
- Kristoufek, L. (2015). What are the main drivers of the Bitcoin price? Evidence from wavelet coherence analysis. PloS one, 10(4), e0123923.Nakamoto, Satoshi (2008). “Bitcoin: A Peer-to-Peer Electronic Cash System”.
- Nebil, F.S. (2018). “Bitcoin ve Kripto Paralar”, İstanbul, Pusula 20 Teknoloji ve Yyayıncılık A.Ş.
- ŞAHİN, E. E. (2018). Kripto Para Bitcoin: ARIMA ve Yapay Sinir Ağları İle Fiyat Tahmini. Fiscaoeconomia Journal, Vol 2(2). 74-92.
- Yermack, David (2015). “Handbook of Digital Currency-Bitcoin, Innovation, Financial Instruments and Big Data” Academic Press. Pages 31-43
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Konular | Finans |
| Bölüm | Makaleler |
| Yazarlar | |
| Yayımlanma Tarihi | 23 Kasım 2020 |
| Gönderilme Tarihi | 5 Eylül 2019 |
| Yayımlandığı Sayı | Yıl 2020 |
Cited By
Yapay Sinir Ağları ve Derin Öğrenme Algoritmalarının Kripto Para Fiyat Tahmininde Karşılaştırmalı Analizi
Journal of Intelligent Systems: Theory and Applications
https://doi.org/10.38016/jista.1228629
Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı (CC BY NC) ile lisanslanmıştır.