Yazar
Kamalak, Süleyman
Basım Tarihi
2024-08-30T14:33:46Z
Konu
Veri bilimi, NFT'ler (Jetonlar), Blok Zincirleri (Veritabanları), Kripto para birimleri
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
de9e93ca-dc15-40d0-a1b4-cf6e742e25ff
Lokasyon
Veri Bilimi Bölümü
Tarih
2024-08-30T14:33:46Z
Örnek Metin
Değiştirilemez tokenler (NFT'ler), geniş uygulama yelpazesi ve kazançlı bir yatırım fırsatı olma potansiyeli nedeniyle son yıllarda büyük ilgi topladı. Teknolojinin yeni ortaya çıkan doğası ve kapsamlı çalışmaların azlığı göz önüne alındığında, yalnızca ticaret sürecinin doğasında var olan karmaşıklıkları ele almakla kalmayıp aynı zamanda mevcut zorluklara uygulanabilir çözümler öneren bütünsel bir ticaret çerçevesine acil bir ihtiyaç vardır. Bu çalışma, NFT ticaret ortamında gezinmek, çeşitli zorluklarla etkili bir şekilde yüzleşmek ve pratik çözümler önermek için yeni bir yaklaşım sunmaktadır. Ticaret ortamı, ortamı simüle etmek ve MDP sorununu çözmek için Q-öğrenme kullanılarak Markov Karar Süreci (MDP) kullanılarak modellenmiştir. Çalışma, piyasa durumunun tanımlanması, NFT tokenlarının değerlendirilmesi ve NFT pazarında yaygın olan likidite azlığı sorununun ele alınması dahil olmak üzere temel zorlukların üstesinden gelmek için makine öğrenimi modelleri önermektedir. Önerilen yaklaşım, geleneksel stratejilerden daha iyi performans gösterdiği ve düşüş eğilimi gösteren piyasa koşullarında bile önemli miktarda kar elde ettiği kanıtlanmış bir NFT ticaret stratejisi ortaya çıkarıyor. Bored Ape Yacht Club (BAYC) koleksiyonu, 1 Haziran 2021'den 1 Ocak 2023'e kadar eğitilen acenteyle birincil veri seti olarak hizmet ediyor. 1 Ocak - 10 Haziran 2023 arasındaki test döneminde önerilen model, geleneksel kıyaslamalardan daha iyi performans göstererek en iyi performans gösteren kıyaslamada %20,39'luk kayıp yerine %21,14 kâr elde etti. Bunun, NFT ticaret simülasyonu ve geriye dönük testlere ilişkin gelecekteki araştırmalar için sağlam bir temel oluşturduğunu iddia ediyoruz. Ayrıca, özellikle ticaret stratejisi ve Q-öğrenme yaklaşımındaki olası iyileştirmeler olmak üzere gelecekteki iyileştirmeler için potansiyel alanları da belirliyoruz. Toplanan bilgiler, hızla gelişen NFT ticareti alanında yapay zeka uygulamalarının öneminin anlaşılmasını önemli ölçüde artırıyor. Nitelikli-Fikri Tapular (NFT'ler), geni¸s uygulama alanları ve kazan¸clı bir yatırım potansiyeli olma potansiyeli son yıllarda buy¨uk ilgi toplamı¸stır. NFT teknolo jisinin yeni bir teknolojinin olması ve kapsamlı ¸calı¸smaların yetersizliği g¨on¨une alındı˘gında, NFT alım-satım s¨urecindekileri tanımlayıp bunları ¸c¨oz¨um ¨oneren b¨ut¨unsel bir alım-satım y¨onetim ¸sesine ciddi bir ihtiya¸c vardır. Bu calı¸sma NFT alım-satım s¨urecindeki yöntemleri ve bunlara pratik ¸c¨oz¨umler¨oneren bir yakla¸sım sunuyor. Alım-satım s¨ureci Markov Karar S¨ureci (MDP) üzerinden model lenmi¸s ve Q-¨o˘grenme ile ¸cevresel ko¸sullar sim¨ule ile MDP problemi ¸c¨oz¨ulm¨u¸st¨ur. C¸ al¸sma, NFT marketinin verimi, NFT token'larını de˘gerlemek ve NFT kalıcı olarak yaygın olan likidite sorunları ele almak gibi temel zorluklara c¨oz¨um olarak makine ¨o˘grenmesi modelleri gelistirmi¸stir. Öne çıkan yaklaşım, geleneksel alım-satım stratejilerinden daha iyi performans gösteren bir NFT alım-satım stratejisi sunmaktır. Önerilen model, k¨ot¨u piyasa ko¸sullarında bile¨onemli kazan¸clar elde¨ etmi¸stirir. 2023 yılının 1 Ocak'ından 10 Haziran'a kadar olan testte en iyi performansı sergileyen geleneksel alım-satım stratejilerinin %20.39'luk kayıp oranı %21.14'e ulaştı. Bu calı¸sma, NFT alım-satım sim¨ulasyonu ve stratejileri geriye dönük d¨on¨uk test etme işlemlerini gelecekte yönetilecek ara¸stırmalar i¸cin saglam bir temel olu¸sturmaktadır. C¸ alışmada, ¨onerilen yakla¸sımda kullanılan alım-satım stratejisi ve Q-¨o˘grenme yakla¸sımında mümkün olası iyile¸stirmelerle ilgili ¨oneriler sunulmalıdır. Elde edilen bulgular, NFT'nin alım-satım alanında yapay zeka uygulama malarının "onemini" bölümünde ciddi bir rol oynuyor
