Prediction of Cryptocurrency Prices with ARIMA and Artificial Neural Network Models

Yıl 2025, Cilt: 10 Sayı: 1, 298 - 311, 30.06.2025

Serap Yörübulut , Emre Yilmaz

https://izlik.org/JA48ZR58XC

Öz

The rapid growth, volatility and indicators of the cryptocurrency market provide important opportunities for information, but also pose some risks. Therefore; Accurate prediction of cryptocurrency prices is critical for investment decisions to be made in a more reliable and secure manner. However; In order for the cryptocurrency to gain greater importance in terms of price prediction, to ensure healthier investments. Comparisons of ARIMA and Artificial Neural Network models are made in predicting the prices of Bitcoin and Ethereum, which are among these successful basic cryptocurrencies. Within the scope of the study, daily price data for Bitcoin and Ethereum obtained between April 1, 2016 and March 1, 2024 were used to determine under which conditions the cryptocurrency of these two models could be predicted better. Despite the high performance volatility of the obtained models, cryptocurrencies with opposite characteristics can be found in both models under certain market conditions. In particular, the prediction models obtained with ANN offer important findings for a better understanding of price movements in cryptocurrencies and for effective investment decisions to be made in this area.

Anahtar Kelimeler

Cryptocurrency Price Prediction , ARIMA Model , Artificial Neural Networks , Cryptocurrency Market

Kripto Para Fiyatlarının ARIMA ve Yapay Sinir Ağı Modelleri ile Tahmini

https://izlik.org/JA48ZR58XC

Öz

Kripto para piyasasının hızla büyümesi, değişkenlik göstermesi ve belirsizlikleri, yatırımcılar için önemli fırsatlar sunmanın yanı sıra bazı riskler de ortaya çıkarmaktadır. Bu nedenle; kripto para fiyatlarının doğru bir şekilde tahmin edilmesi, yatırım kararlarının daha güvenilir ve bilinçli bir şekilde alınabilmesi açısından kritik öneme sahiptir. Bununla birlikte; yatırımcıların daha bilinçli ve sağlıklı yatırım yapmalarını sağlamak amacıyla, kripto para fiyat tahminine yönelik modelleme çalışmalarının geliştirilmesi büyük önem taşımaktadır. Bu çalışmada temel kripto para birimlerinden olan Bitcoin ve Ethereum fiyatlarının tahmin edilmesinde ARIMA ve Yapay Sinir Ağı modellerinin performansını karşılaştırmayı amaçlamaktadır. Çalışma kapsamında 1 Nisan 2016 ile 1 Mart 2024 tarihleri arasında elde edilen Bitcoin ve Ethereum için günlük fiyat verileri kullanılarak, bu iki modelin kripto para piyasasında hangi koşullar altında daha iyi tahmin yapabildiği incelenmiştir. Elde edilen modellerin performansları hata oranları ve doğruluk açısından karşılaştırıldığında kripto para piyasasındaki yüksek volatiliye rağmen her iki modelinde belirli piyasa koşullarında uygulanabilir olduğu gösterilmiştir. Özellikle YSA ile elde edilen tahmin modellerinin, kripto para piyasasındaki fiyat hareketlerinin daha iyi anlaşılması ve bu alanda etkili yatırım kararları alınabilmesi için önemli bulgular sunmaktadır.

Anahtar Kelimeler

Kripto Para Fiyat Tahmini , ARIMA Modeli , Yapay Sinir Ağları , Kripto Para Piyasası

Kaynakça

• Abushukur, A. M. (2022). Yapay Sinir Ağları ve ARIMA hibrit zaman serisi modeli ile havayolu rezervasyonu tahmini (Yüksek lisans tezi). Karabük Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Anabilim Dalı.
• Akay, M. K., Canik, F., Yeşilyurt, C., & Günkut, M. Ş. (2021). Yapay zeka teknikleri ile kripto para değeri tahmini. Ekonomi Bilimleri Dergisi, 14(1), 72-101.
• Akkaş, F. E. (2020). Balina optimizasyon algoritması ve Levenberg-Marquardt yöntemi ile doğal uçlaşma verilerinin ters çözümü için ardışık melez bir yaklaşım (Yüksek lisans tezi). Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Jeofizik Mühendisliği Anabilim Dalı.
• Akkurt, A. (2005). Yapay sinir ağları ve Türkiye elektrik tüketimi tahmin modeli (Yüksek lisans tezi). İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Anabilim Dalı.
• Al-Sharif, L., & Makhdoom, I. (2021). Machine learning in cryptocurrency trading: A review. Journal of Finance and Investment Analysis, 10(1), 1-20.
• Aras, S. (2019). Kripto para fiyatlarının klasik ve yapay sinir ağı modelleri ile tahmini. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(20), 608-640.
• Arslan, B. (2022). Çoklu regresyon, ARIMA ve yapay sinir ağı yöntemleri ile Türkiye elektrik piyasasında fiyat tahmin ve analizi. Journal of Management and Economics Research, 20(1), 331-353.
• Atlan, F., Pençe, İ., & Çeşmeci, M. (2020). Kripto paralardan Bitcoin, Ethereum ve Ripple için yapay zekâ ile online fiyat tahmin modeli. 28th Signal Processing and Communications Applications Conference (SIU), 2165-0608.
• Aymaz, A. (2024). Kripto Paralarin Haczi. Ankara Üniversitesi Hukuk Fakültesi Dergisi, 72(4), 1635-1700.
• Aygören, H. S. (2012). İMKB 100 endeksinin yapay sinir ağları ve Newton nümerik arama modelleri ile tahmini. Uluslararası Alanya İşletme Fakültesi Dergisi, 4(1), 73-88.
• Benli Keskin, Y., & Yıldız, A. (2014). Altın fiyatının zaman serisi yöntemleri ve yapay sinir ağları ile öngörüsü. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (42), 213-224.
• Buterin, V. (2013). Ethereum white paper. GitHub repository. https://github.com/ethereum/wiki/wiki/White-Paper
• Can, A. (2014). Yapay sinir ağları ile heyelan duyarlılık haritalarının üretilmesinde farklı algoritmaların kullanımının araştırılması (Yüksek lisans tezi). Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Jeoloji Mühendisliği Ana Bilim Dalı.
• Can, M. (2009). İşletmelerde zaman serileri analizi ile tahmin (Doktora tezi). İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı.
• Crone, S. F. (2004). A business forecasting competition approach to modeling artificial neural networks for time series prediction. In Proceedings of the International Conference on Artificial Intelligence (IC-AI '04) (Vol. 1). Las Vegas, NV, USA.
• Çakır, F. S. (2018). Yapay sinir ağları matlab kodları ve matlab toolbox çözümleri. Nobel Akademik Yayıncılık. Yapay sinir ağları Matlab kodları ve Matlab toolbox çözümleri (1. baskı). Nobel Kitabevi. Ankara.
• Çarkacıoğlu, A. (2016). Kripto-para Bitcoin. Sermaye Piyasası Kurulu Araştırma Dairesi, Araştırma Raporu.
• Çetinkaya, Ş. (2018). Kripto paraların gelişimi ve para piyasalarındaki yerinin SWOT analizi ile incelenmesi. Uluslararası Ekonomi ve Siyaset Bilimleri Akademik Araştırmalar Dergisi, 2(5), 11–21.
• Deveci, M. (2012). Yapay sinir ağları ve bekleme süresinin tahmininde kullanılması (Yüksek lisans tezi) Gazi Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Üretim Yönetimi Bilim Dalı.
• Doğan, G. (2010). Yapay sinir ağları kullanılarak Türkiye'deki özel bir sigorta şirketinde portföy değerlendirmesi (Yüksek lisans tezi). Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Anabilim Dalı.
• Duru, Ö. (2007). Zaman serileri analizinde ARIMA modelleri ve bir uygulama (Yüksek lisans tezi). İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı.
• Eğilmez, M. (2017). Kendime yazılar: Kripto paralar, Bitcoin ve blockchain. https://www.mahfiegilmez.com/2017/11/kripto-paralar-bitcoinve-blockchain.html
• Erdoğan, E. (2006). Zaman serilerinde ARIMA modelleri (Yüksek lisans tezi). Muğla Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik ve Bilgisayar Bilimleri Anabilim Dalı.
• Ergül, B. (2018). Türkiye’deki iş kazalarının zaman serisi analiz teknikleri ve yapay sinir ağları tekniği ile incelenmesi. Karaelmas Journal of Occupational Health and Safety, 2(2), 63–74.
• Eylasov, N., & Çiçek, M. (2024). Kripto para fiyatlarının tahmini: ARIMA-GARCH ve LSTM yöntemlerinin karşılaştırılması. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 9(1), 48-62.
• Grossberg, S. (1992). Neural networks and natural intelligence. Massachusetts Institute of Technology. The MIT Press. USA.
• Hayradi, D., Hâkim, A., Atmaja, D., & Yutia, S. (2022). Implementation of support vector regression for Polkadot cryptocurrency price prediction. International Journal of Information Visualization, 6(1-2), 201-207.
• Kadılar, C. (2005). SPSS uygulamalı zaman serileri analizine giriş. Ankara: Bizim Büro Basımevi.
• Kaftan, İ. (2010). Batı Türkiye gravite ve deprem katalog verilerinin yapay sinir ağları ile değerlendirilmesi (Doktora tezi). Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Jeofizik Mühendisliği Bölümü, Jeofizik Mühendisliği Anabilim Dalı.
• Karahan, M. (2015). Yapay sinir ağları metodu ile ihracat miktarlarının tahmini: ARIMA ve YSA metodunun karşılaştırmalı analizi. Ege Akademik Bakış, 15(2), 165–172.
• Kaya, İ., Oktay, S., & Engin, O. (2005). Kalite kontrol problemlerinin çözümünde yapay sinir ağlarının kullanımı. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 21(1), 92–107.
• Kaynak, G. (2022). Kestirimci bakım planlaması için zaman serisi modellerine dayalı arıza zamanı tahmini (Yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Anabilim Dalı.
• Kaynar, O., & Taştan, S. (2009). Zaman serisi analizinde MLP yapay sinir ağları ve ARIMA modelinin karşılaştırılması. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 33, 161–172.
• Odabaşı, M. B., & Toklu, M. C. (2023). Yapay sinir ağları ve derin öğrenme algoritmalarının kripto para fiyat tahmininde karşılaştırmalı analizi. Journal of Intelligent Systems: Theory and Applications, 6(2), 96-107.
• Ömrüuzun, B. (2019). Yapay sinir ağları ile kripto paraların fiyat modellemesi (Yüksek lisans tezi). İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı.
• Özdemir, Ö. (2008). Zaman serisi modellemesinde yapay sinir ağlarının kullanımı ve bir uygulama (Yüksek lisans tezi). Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Anabilim Dalı.
• Öztemel, E. (2006). Yapay sinir ağları. İstanbul: Papatya Yayıncılık.
• Sakız, B., & Gencer, A. H. (2017). Yapay sinir ağları ile bitcoin fiyatını tahminleme. In International Conference on Eurasian Economies (pp. 438-444).
• Salehihosseini, P. (2023). Kripto paralar, blockchain teknolojisi ve kripto paraların kullanım alanları (Yüksek lisans tezi). Ufuk Üniversitesi, Sosyal Bilimler Enstitüsü, Uluslararası Ticaret ve Finansman Ana Bilim Dalı.
• Salman, M. (2020). Price prediction of different cryptocurrencies using technical trade indicators and machine learning (Yüksek lisans tezi). Altınbas Üniversitesi, Lisansüstü Eğitim Enstitüsü, Bilgi Teknolojileri Ana Bilim Dalı.
• Saraç, T. (2005). Yapay sinir ağları ile yazılım proje süresinin tahmini (Yüksek lisans tezi). Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Anabilim Dalı.
• Statista, (2024). Number of cryptocurrencies 2013-2024 | Statista.
• Sönmez, A. (2014). Sanal para Bitcoin. The Turkish Online Journal of Design, Art and Communication, 4(3), 1-14. İstanbul Kültür Üniversitesi.
• Şahin, E. E. (2018). Kripto para Bitcoin: ARIMA ve yapay sinir ağları ile fiyat tahmini. Fiscaoeconomia, 2(2), 74-92.
• Şahin, Ş. (2002). Yapay sinir ağları yardımı ile dinamik bir senaryo analizi (Doktora tezi) İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı.
• Tanışman, S., Karcıoğlu, A. A., Uğur, A., & Bulut, H. (2021). LSTM sinir ağı ve ARIMA zaman serisi modelleri kullanılarak Bitcoin fiyatının tahminlenmesi ve yöntemlerin karşılaştırılması. Avrupa Bilim ve Teknoloji Dergisi, 32, 514-520. https://doi.org/10.31590/ejosat.1039890
• Tekin, M. (2009). Üretim yönetimi (Cilt 1, 6. baskı). Günay Ofset.
• Tuna, M. (2019). Altın fiyatlarının yapay sinir ağları ve ARMA modelleri ile tahminlenmesi (Yüksek lisans tezi) Adnan Menderes Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı.
• Usta, A., & Doğantekin, S. (2017). Blockchain 101 V2. BKM.
• X, Y., et al. (2020). Comparative study of time series models in cryptocurrency price prediction. International Journal of Financial Studies, 8(2), 28.
• Yalçın, E., & Çelik, H. (2020). A comparison of machine learning techniques for predicting Bitcoin prices. Journal of Economic Studies, 47(5), 1090-1105.
• Yılmaz, E. (2012). Hidrolik bir sistemin yapay sinir ağları ile modellenmesi ve katsayıları genetik ve parçacık sürü algoritmaları ile optimize edilmiş PID ile kontrolü (Yüksek lisans tezi). Marmara Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik ve Bilgisayar Eğitimi Anabilim Dalı.
• Yılmazel, Ö., Afşar, A., & Yılmazel, S. (2018). Konut fiyat tahmininde yapay sinir ağları yönteminin kullanılması. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 20, 285-300. https://doi.org/10.18092/ulikidince.341584