Gümüş fiyatlarının tahmininde derin öğrenme yaklaşımı: BILSTM

Derin öğrenme günümüzde üzerine en çok çalışılan popüler konulardan birisidir. Derin öğrenme çok katmanlı Yapay Sinir Ağları yapısını kullanarak etiketli veriler üzerinden öğrenerek çalışan yapay zekanın bir alt kolu olduğu söylenebilir. Uzun Kısa Süreli Belleğe Sahip Çift Yönlü Sinir Ağları (BILSTM) ise derin öğrenmenin içerisinde yer alan metotlardandır ve son zamanlarda popüler olmuştur. BILSTM, Uzun Kısa Süreli Bellek 'in (LSTM) geliştirilmiş özel bir hali olduğu da söylenebilir. BILSTM'nin geçmiş ve gelecekteki bilgileri yakalamak için ileri ve geri iki ayrı gizli katmanı bulunmaktadır. Ardından bu iki katman final çıktısını oluşturmak için birleştirilir. Söz konusu final çıktısı öngörü veya tahminleri içermektedir. Bu çalışmada 01.11.2017-30.09.2024 tarihleri arasındaki gümüş fiyatının (gr/TL) günlük kapanış değerleri kullanılarak BILSTM modeli ile bir tahminleme algoritması kurulmuştur. Modele gümüş fiyatını etkilediği düşünülen 5 bağımsız değişken (dolar kuru ($/TL), tüfe, konut fiyatı endeksi, altın fiyatı (gr/TL), bitcoin fiyatı (TL)) dahil edilmiştir. BILSTM modelinin yanında çalışmada LSTM ve CNN-LSTM modelleri de kurulmuş ve her bir modelin başarısı birbirleri ile RMSE başarı metriği üzerinden karşılaştırılmıştır. Oluşturulan BILSTM modelinin RMSE değeri 0,8391, LSTM modelinin RMSE değeri 1,7781, CNN-LSTM modelinin RMSE değeri 1,4312 olarak bulunmuştur. Her bir modelin RMSE değerine bakıldığında BILSTM modelinin daha başarılı bir tahminleme yaptığı görülmüştür. CNN-LSTM modeli BILSTM modeline göre zayıf LSTM modeline göre başarılı tahminleme yapmıştır. LSTM modeli diğer iki modele göre zayıf tahminleme yapmıştır.