The forecast performance of classical time series models and machine learning algorithms on bitcoin series using exogenous variables

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Edebiyat Fakültesi, İstatistik Bölümü, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: SEVİLAY DOĞAN

Danışman: Ceylan Yozgatlıgil

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Zaman serisi analizi, günler, haftalar, aylar veya yıllar boyunca herhangi bir alandaki zaman serisine neler olduğuna dair önemli bilgiler verir. Bitcoin, ekonomi ve finansta özel ilgi gördüğü için en popüler teknolojidir. Bu çalışmada en popüler kripto para bitcoin fiyatları için zaman serisi öngörüleri ve modellemesi ile ilgili bazı yaklaşımlar incelenmiştir. Çalışmada klasik zaman serisi yöntemleri ile makine öğrenmesi algoritmaları karşılaştırılmıştır. Klasik zaman serisi modelleri olarak bütünleşik otoregresif hareketli ortalama (ARIMA) ve Holt'un Üstel Düzgünleştirme yöntemleri kullanılmış olup, makine öğrenmesi algoritmaları olarak Prophet, Bayes Sinir Ağı, İleri Beslemeli Sinir Ağı ve Uzun Kısa Süreli Bellek ve Rastgele Ormanlar yöntemleri kullanılmıştır. Çalışmada kullanılan seri günlük olarak 2019-07-30 ile 2021-10-19 arasında seçilmiştir. Bitcoin fiyatları, bu modeller aracılığıyla en iyi iki kripto para birimi ethereum ve tether olan dışsal değişkenler, ekonomik ve teknolojik değişkenler ile tahmin edilmektedir. Modelin tahmin performanslarına göre, makine öğrenmesi yöntemleri çoğunlukla klasik zaman serisi yöntemlerinden daha iyi performans göstermektedir. Bitcoin fiyatları üzerinde dışsal değişkenler eklenerek kurulan Rastgele Orman algoritması ile iyi bir öngörü performansı elde edilmiştir.