Yazar
Alaygut, Tuna
Basım Tarihi
2024
Konu
Kripto para birimleri, Yatırım analizi, Yatırımlar, Veri işleme, Derin öğrenme (Makine öğrenimi), Elektronik fon transferleri, Bilgisayar mühendisliği
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
8d97a4ce-8562-4b23-a09d-119797e9685b
Lokasyon
Bilgisayar Bilimleri Bölümü
Tarih
2024
Örnek Metin
Kripto para birimleri, esas olarak merkezi olmayan ve şeffaf oldukları için son zamanlarda alternatif bir yatırım sınıfı olarak daha belirgin hale gelmeye başladı. Kripto para birimlerinin benzersiz özelliklere sahip olması ve daha değişken olması nedeniyle, daha doğru fiyat tahmini ve daha karlı yatırım stratejileri için yeni yaklaşımlar geliştirmemiz gerekiyor. Derin takviyeli öğrenme ve transformatörleri içeren derin öğrenme yöntemleri, dikkate değer ölçüde daha fazla ilgi çekiyor. Burada, bir dizi önemli teknik analiz göstergesini kullanarak tek boyutlu zaman serisi verilerini 2D gri tonlamalı görüntü benzeri verilere dönüştürdüğümüz, görüntü transformatörü (ViT) sinir ağı fonksiyon yaklaşımıyla Deep Q-Network'ü (DQN) uygulayan Reincrypt'i buluyoruz. Bu tür dönüştürülmüş veriler, çeşitli kripto para birimi fiyatlarını tahmin etmek için çerçevemizde girdi olarak alınacaktır. Modelin öğrenme sürecini stabilize etmek ve performansını artırmak için parametre dondurma ve deneyim tekrarı gibi teknikler kullanırız. Detaylı bulgularımız, önerilen yöntemin kripto para birimi fiyatlarındaki değişiklikleri tahmin etmede başarılı olduğunu gösteriyor. Genel olarak, yöntemimiz yalnızca Bitcoin'de değil, farklı kripto para birimlerinde de kâr sağlıyor. Yöntemimizin çıktısı sonucunda oluşan portföyleri analiz ettiğimizde, kripto para birimleri için işlem maliyetlerini dikkate almadan işlem başına yaklaşık %0,5 getiri elde ediyoruz. Ek olarak, yöntemimizi farklı bir kripto para birimi üzerinde eğittiğimizde bile gelecekteki kripto para birimi fiyatlarını tahmin edebiliyoruz. Bu durumda yöntemimizi Bitcoin gibi yüksek işlem gören ve likit kripto para birimleri üzerinde eğitebilir ve performansını nispeten daha az likit alternatif kripto para birimleri üzerinde test edebiliriz. Bu sonuçlara göre, alternatif kripto para birimleri için, bu varlıklara ilişkin daha az veriye sahip olsak da, derin öğrenme tabanlı kripto para birimi fiyat tahmin yöntemleri kullanılabilir. Kripto paralar, çoğu merkezsiz ve şeffaf oldukları için alternatif bir yatırım sınıfı olarak son zamanlarda daha fazla öne çıkmaya başladı. Kripto paraların benzersiz özelliklere sahip olmaları ve daha oynanmaları nedeniyle, daha doğru fiyat tahmini ve daha karlı yatırımların geliştirilmesi için yeni yaklaşımlar geliştirmemiz gerekiyor. Derin öğrenme yöntemleri arasında özellikle derin takviyeli öğrenme ve dönüştürücüler dikkat açısından daha fazla ilgi göstermeye başladı. Burada, bir Derin Q-Ağı (DQN) ile bir görüş dönüştürücü (ViT) sinir ağı fonksiyon tedavisini uygulayan Reincrypt ile karşınıza çıkıyoruz. Burada önemli teknik analiz göstergelerinden oluşan bir set kullanarak, tek boyutlu zaman serisi 2D gri tonlamalı görüntü benzeri şekilde dönüştürülüyoruz. Bu şekilde dönüştürülmüş veriler, çeşitli kripto para fiyat hareketlerini tahmin etmek için çerçevemizde girilerek alınacak. Modelin öğrenme sürecini stabilize etmek ve artırmak için parametre dondurma ve deneyimi tekrarı gibi teknikler seçenekleri. Detaylı özelliklerimiz, önerilen yöntemin kripto para fiyatlarındaki bozulma tahmininde başarılı olduğunu gösteriyor. Genel olarak yöntemimiz sadece Bitcoin değil, farklı kripto paralarda da kar sağlıyor. Yöntemimizin çıktısı sonucu portföyleri analiz ettiğimizde, işlem başına işlem masraflarını dikkate almadan yaklaşık %0,5 getiri elde ediyoruz. Ayrıca yöntemimizi farklı bir kripto para üzerinde özelleştirdiğimizde kripto para fiyat hareketlerini tahmin edebildiğimizi görüyoruz. Bu durumda, yöntemimizi Bitcoin gibi yüksek işlem hacmine ve likiditeye sahip kripto paralar üzerinde eğitip, sağlamayı daha az likit alternatif kripto paralarda test edebiliriz. Bu tedaviye göre, derin öğrenme temelli kripto para fiyat hareketi tahmin modelleri, bu varlıklar için daha az veriye sahip olsa bile alternatif kripto paralar için mevcuttur.
