Bitcoin ile BIST100, Altın, Gümüş, Dolar, Ham Petrol ve Brent Petrol Değişkenlerinin Birlikte Hareketlerinin Veri Madenciliği ile İncelenmesi

Öz

Mal veya hizmet alımı için kullanılan para, altın, gümüş gibi değerlere günümüzde teknolojik gelişmeler sayesinde Bitcoin’de eklenmiştir. Bitcoin merkezi bir otoriteye bağlı değildir. Ancak istenildiği her an Türk Lirası, Dolar, Euro gibi para birimlerine dönüştürülebilmektedir. Günümüzde hangi yatırım aracının tercih edileceği ise yatırımcılar için kritik öneme sahiptir. Yatırım tercihi yaparken hangi makroekonomik değişkenlerin birlikte hareket ettiğinin bilinmesi bireysel yatırımcı için faydalı olacaktır. Bu çalışmada Bitcoin ile Türkiye Ekonomisini temsil eden Borsa İstanbul’un en çok kullanılan 100 endeksi (BIST100), altın, gümüş, Dolar, Ham Petrol ve Brent Petrol’ün birlikte hareket edip etmediği araştırılmıştır. Araştırmanın birinci bölümünde BIST100 Endeksi’nin altın, gümüş, Dolar, Ham Petrol ve Brent Petrol ile olan birliktelik kuralları incelenmiştir. İkinci bölümde ise bu değişkenlere Bitcoin eklenmiştir. Elde edilen sonuçlara göre Bitcoin dahil edilmeyen ilk grupta BIST100 endeksinin en fazla altın, Ham Petrol ve Brent Petrol, Dolar ikilileriyle hareketi olduğu görülmüştür. Bitcoin dahil edilen ikinci grupta Bitcoin’in en çok Ham Petrol, altın ikilisiyle birlikte hareketi olduğu görülmüştür. Elde edilen sonuçlara göre merkezi bir otoriteye bağlı olmayan Bitcoin’in küresel ekonomik hareketlerden tamamen bağımsız olmadığı görülmüştür. Anahtar Kelimeler: BIST100, Bitcoin, Yatırım, Birliktelik Kuralı, Veri Madenciliği JEL Sınıflandırması: C40, C55, E20

Anahtar Kelimeler

• Bist100
• Bitcoin
• Yatırım
• Birliktelik Kuralı
• Veri Madenciliği

Association Rule Analysis of Bitcoin with BIST100 Index, Gold, Silver, Dollar, Crude Oil and Brent Oil Variables

Öz

Today, thanks to technological developments, Bitcoin has been added to values such as money, gold, silver used for the purchase of goods or services. Bitcoin does not depend on a central authority. However, it can be exchanged into currencies such as Turkish Lira, Dollars and Euros at any time. Today, the instruments preferred by investors are of critical importance. It will be useful for the individual investor to know which macroeconomic variables act together when making an investment choice. This study investigates whether Bitcoin and the most widely used 100 index of Borsa Istanbul (BIST100), gold, silver, Dollar, Crude Oil and Brent Oil, which represent the Turkish economy, move together. In the first part of the study, the association rules of the BIST100 Index with gold, silver, Dollar, Crude Oil and Brent Oil were analyzed. In the second part, Bitcoin was added to these variables. According to the results, in the first group, which does not include Bitcoin, the BIST100 index moves most with Gold, Crude Oil and Brent Oil, Dollar pairs. In the second group, where Bitcoin is included, it was observed that Bitcoin moved mostly with the pair of Crude Oil and gold. As a result, it was found that Bitcoin, which does not depend on a central authority, is not completely independent from global economic movements. Key Words: BIST100, Bitcoin, Investment, Association Rule, Data Mining JEL Classification: C40, C55, E20

Anahtar Kelimeler

• Bist100
• Bitcoin
• Investment
• Association Rule
• Data Mining

Kaynakça

1. Aydın, Z. B. ve Gündoğdu, E. (2024). Borsa İstanbul Endekslerinin Dolar, Euro, Altın ve Brent Petrol Değişkenleriyle Birliktelik Analizi. International Journal of Social Inquiry, 17(1), 105−118. https://doi.org/10.37093/ijsi.1339748
2. Bayraç, H. N. (2005). Uluslararasi Petrol Piyasasinin Ekonomik Analizi. Osmangazi Üniversitesi, 67.
3. Budak, V. Ö., Kartal, E. ve Gülseçen, S. (2018). Site-içi Aramalar ve Apriori Algoritması Kullanılarak Web Sitesi Ziyaretçilerinin İhtiyaç Tespitine Yönelik Bir Örnek Olay İncelemesi. Bilişim Teknolojileri Dergisi, 11(2), 211-222. https://doi.org/10.17671/gazibtd.397142
4. Çarkacıoğlu, A. (2016). Kripto-para bitcoin. Sermaye Piyasası Kurulu Araştırma Dairesi, Araştırma Raporu.
5. Eker, M. E., Oktaş, R. ve Kayhan, G. (2015). Apriori Algoritması ve Türkiye’deki Örnek Uygulamaları. Ondokuz Mayıs Üniversitesi Fen Bilimleri Enstitüsü, Samsun.
6. Eren, B. S. (2024). Emtia Piyasalarının Birlikte Hareketlerinin Veri Madenciliği ile İncelenmesi. Ekonomi Politika ve Finans Araştırmaları Dergisi, 9(1), 183-212.
7. Erpolat, S. (2012). Otomobil yetkili servislerinde birliktelik kurallarının belirlenmesinde Apriori ve FPGrowth algoritmalarının karşılaştırılması. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 12(1), 151- 166.
8. Dai, L., Huang, C., Yu, C., & Gu, S. (2024). A novel discovery model for revealing substitution relationships from international stock markets: with association rule analysis. Heliyon.

9. Fidan, M. ve Dilek, S. ve Esev, A. (2019). Dünden Bugüne Paranın Tarihi Ve Türkiye’de Kâğıt Para Kullanımı/The History of Money from Yesterday to Today And Usage of Banknotes in Turkey, Sosyal Bilimler Dergisi, 9 (18), 141-162, doi:https://doi.org/10.31834/kilissbd.613107
10. Güngör, E., Yalçın, N. ve Yurtay, N. (2013). Apriori Algoritması İle Teknik Seçmeli Ders Seçim Analizi. In International Congress on Education, Distance Education and Educational Technology.
11. Hernández C., J. B., García-Medina, A., & Porro V., M. A. (2021). Study of the Behavior of Cryptocurrencies in Turbulent Times Using Association Rules. Mathematics, 9(14), 1620. https://doi.org/10.3390/math9141620
12. İnce, A. R., & Alan, M. A. (2014). Ürün Portföy Planlamasında Veri Madenciliğinden Yararlanılması Üzerine Bir Çalışma. Eul Journal Of Social Sciences/Laü Sosyal Bilimler Dergisi, 5(2).
13. İnce, A. R., & Alan, M. A. (2022). A study on the use of data mining in the planning of investment field. Ekonomi Politika ve Finans Araştırmaları Dergisi, 7(1), 1-15.
14. Investing (2024). https://tr.investing.com/
15. Karaatlı, M., Kocabıyık, T., Yalçıner Çal, D. ve Çolak, M. (2021). Bıst-30 Endeksinde Yer Alan Payların Ortak Hareketlerinin Veri Madenciliği Kapsamında Birliktelik Kuralı İle İncelenmesi. Finansal Araştırmalar Ve Çalışmalar Dergisi, 13(25), 548-571. https://doi.org/10.14784/marufacd.976609
16. Kartal, B., Sert, M.F. and Kutlu, M. (2022). Determination of the world stock indices' co-movements by association rule mining. Journal of Economics, Finance and Administrative Science, 2
17. Kaur, J. and Dharni, K. (2022). Assessing efficacy of association rules for predicting global stock indices. Decision, 49(3), 329-339.
18. Kocabıyık, T., Dağ, O. ve Karaatlı, M. (2021). Borsa İstanbul Endekslerinin Birlikte Hareketi: FP Growth Algoritması İle Bir Uygulama. Uluslararası İşletme, Ekonomi ve Yönetim Perspektifleri Dergisi (IJBEMP), 5(2), 659-672.
19. Kotsiantis, S., & Kanellopoulos, D. (2006). Association rules mining: A recent overview. GESTS International Transactions on Computer Science and Engineering, 32(1), 71-82.
20. Kumbhare, T. A., & Chobe, S. V. (2014). An Overview Of Association Rule Mining Algorithms. International Journal of Computer Science and Information Technologies, 5(1), 927-930.
21. Memiş, E. & Kaya, H. (2019, October). Association rule mining on the BIST100 stock exchange. In 2019 3rd International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT) (pp. 1-7). IEEE.
22. Murugan, G. K. (2021). Creation of a recommendation system to recommend cryptocurrency portfolio using Association rule mining (Doctoral dissertation, Dublin, National College of Ireland).
23. Pan, Y., Haran, E., Manago, S., & Hu, Y. (2014). Co-movement of European stock markets based on association rule mining. In Third International Conference on Data Analytics (pp. 54-58).
24. Paranjape-Voditel, P., & Deshpande, U. (2013). A stock market portfolio recommender system based on association rule mining. Applied Soft Computing, 13(2), 1055-1063.
25. Reddy, R. V., Venkateswara Rao, K., Kameswara Rao, M. & Deepak Kumar, B. P. (2022). A Review on Stock Market Analysis Using Association Rule Mining. Cybernetics, Cognition and Machine Learning Applications: Proceedings of ICCCMLA 2021, 171-183.
26. Srisawat, A. (2011, October). An application of association rule mining based on stock market. In The 3rd International Conference on Data Mining and Intelligent Information Technology Applications (pp. 259-262). IEEE.
27. Teker, T. ve Konuşkan, A (2022). Fan token fiyatlarında birliktelik etkisi. Uluslararası İşletme, Ekonomi ve Yönetim Perspektifleri Dergisi, 6(2), 359-376.
28. Ünsal, Ö. (2020). Veri Madenciliği Teknikleri İle Hisse Senetleri Arasındaki Fiyat Etkileşimlerinin Belirlenmesi. Mühendislik Bilimleri ve Tasarım Dergisi, 8(5), 106-112. https://doi.org/10.21923/jesd.834105
29. Yılmaz, H. (2016). Ortadoğu’nun Jeo-ekonomik Önemi ve Abd’nin Ortadoğu Politikasının Ekonomik Nedenleri. Tesam Akademi Dergisi, 3(1).
30. Zhang, S. & Wu, X. (2011). Fundamentals Of Association Rules İn Data Mining And Knowledge Discovery. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 1(2), 97-116.
31. Zhao, Q. & Bhowmick, S. S. (2003). Association Rule Mining: A Survey. Nanyang Technological University, Singapore, 135, 18.