Macide Çiçek

Macide Çiçek

Auto-generated profile, based on publicly available information

Macide Çiçek

Kutahya Dumlupinar Universitesi

Research Focus & Metrics

Academic Career Length

3Years (2024-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
31 March 2024 in Finans Ekonomi ve Sosyal Araştırmalar Dergisi
Verified
Journal Article
Closed access
NENeman Eylasov
Neman Eylasov
MÇMacide Çiçek
Macide Çiçek
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.