- Avrupa Bilim ve Teknoloji Dergisi
- Issue: 21
- Comparison of Statistical and Machine Learning Algorithms for Forecasting Daily Bitcoin Returns
Comparison of Statistical and Machine Learning Algorithms for Forecasting Daily Bitcoin Returns
Authors : Betul Aygun, Eylul Kabakci Gunay
Pages : 444-454
Doi:10.31590/ejosat.822153
View : 17 | Download : 7
Publication Date : 2021-01-31
Article Type : Research
Abstract :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.Keywords : blokzincir, tahminleme, istatiksel analiz, makina öğrenmesi, DNN, RNN, ARIMA, MVA