Kripto paraların gelişimi ve para piyasalarındaki yerinin analizleri

Abstract

Bu çalışmada, kripto para fiyat hareketlerini etkileyen temel faktörler, kısa ve uzun vadeli fiyat tahminlerinin uygulanabilirliği ve bu tahminlerin hangi değişkenlerden etkilendiği araştırılmıştır. Ek olarak, minimum hata ile en güvenilir tahmini elde edebilmek için hangi yapay zekâ yönteminin tercih edilmesi gerektiği sorusu ele alınmıştır. Bu doğrultuda, derin sinir ağları da kullanılarak gerçeğe en yakın tahmin aralığını belirlemeye yönelik bir model geliştirilmiş ve elde edilen bulguların yatırımcılar ile piyasa yapıcılar için rehber niteliğinde olması amaçlanmıştır. Çalışmada, kripto para piyasalarında fiyat tahminlerini iyileştirmek için farklı yapay zekâ tekniklerini entegre eden bir yaklaşım sunulmuştur. Zaman serisi verileri durağanlık açısından analiz edilmiş ve tahmin doğruluğu üzerindeki etkisini değerlendirmek amacıyla ADF, PP ve KPSS testleri uygulanmıştır. VAEGAN modeli ile gerçekleştirilen tahminler, modelin durağanlaştırılmış verilerle eğitildiğinde değişken piyasa koşullarına daha iyi uyum sağladığını ortaya koyarken, durağanlaştırılmamış verilerle yapılan analizler, yüksek piyasa değeri ve işlem hacmine sahip varlıklar için daha yüksek doğruluk oranı sağlamıştır. Bulgular, yapay zekâ tabanlı modellemenin kripto para fiyat tahmini açısından güçlü bir yöntem sunduğunu göstermektedir.

In this study, the basic factors affecting cryptocurrency price movements, the applicability of short-term and long-term price predictions, and from which variables affected these predictions were investigated. In addition, the question of which artificial intelligence method should be preferred in order to obtain the most reliable estimate with minimum error was addressed. In this context, a model was developed to determine the closest prediction range to the truth using deep neural networks, and the findings obtained were intended to be a guide for investors and market makers. In the study, an approach that integrates different artificial intelligence techniques to improve price predictions in cryptocurrency markets was presented. Time series data were analyzed for stationarity wise and ADF, PP and KPSS tests have been applied for the purpose evaluate the impact on forecast accuracy. Realized predictions with the VAE-GAN model revealed that the model adapts better to volatile market conditions when trained with stabilized data, while analyses made with non-stabilized data provided higher accuracy rates for assets with high market value and trading volume. The findings show that AI-based modeling offers a powerful method for cryptocurrency price prediction.