Abstract
Kripto para birimleri, 2009 yılında ortaya çıkmalarından bu yana oldukça popüler hale gelmiştir. Özellikle Bitcoin'in 3 Ocak 2009'da piyasaya sürülmesinden sonra, diğer kripto para birimlerinin piyasaya çıkışı hız kazanmıştır. Bu popülerlik artışının ardından, kripto para birimlerinin tahmini önemli bir konu haline gelmiştir. Bu çalışmanın ana amacı, Bitcoin (BTC), Ethereum (ETH) ve Binance (BNB) kripto para getirilerini öngörmek için geleneksel zaman serisi yöntemlerinden olan ARIMA-GARCH ile birlikte LSTM (Long Short-Term Memory) derin öğrenme yaklaşımını kullanarak elde edilen tahmin performanslarını karşılaştırmaktır. Bu çerçevede, çalışma literatüre yeni bir katkı sunmayı amaçlamaktadır. Her bir kripto para birimi için farklı zaman aralıklarında günlük veriler kullanılmış ve bu veriler %90 eğitim ve %10 test verisi olarak bölünmüştür. Çalışmada, yöntemler RMSE ve MSE değerlendirme kriterleri kullanılarak karşılaştırılmıştır. Genel olarak, BTC serisinde ARIMA-GARCH yöntemi eğitim verisinde daha iyi sonuçlar gösterirken, test verisi için LSTM yöntemi daha etkili olmuştur. BNB serisinde ise hem eğitim hem de test verisi için LSTM yöntemi daha üstün performans sergilemiştir. ETH serisinde ise her iki veri seti için ARIMA-GARCH yöntemi daha iyi sonuçlar ortaya koymaktadır. Bu çalışma, finansal veri tahmininde her iki yöntemin de önemli bir performans sergileyebildiğini vurgulamaktadır.
Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callSimilar Papers
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
