Kripto para fiyatlarının tahmininde makine öğrenmesi modellerinin karşılaştırmalı analizi ve ÇKKV teknikleri ile en iyi yöntemin belirlenmesi

Kripto para birimleri son yıllarda büyük bir ilgi odağı haline gelmiştir ve birçok kişi tarafından yatırım fırsatı olarak görülmektedir. Ancak, kripto para piyasası oldukça volatil bir yapıya sahip olduğundan, fiyat tahminleri yapmak zorlu bir görev halini almıştır. Bu kapsamda bu tezin amacı; kripto para birimlerinin fiyat tahmini için farklı makine öğrenmesi modellerini karşılaştırmak ve Çok Kriterli Karar Verme (ÇKKV) teknikleri aracılığıyla en etkili yöntemi belirlemektir. Çalışmada, kripto paralara ait geçmiş fiyat hareketleri, teknik analiz göstergeleri, makroekonomik değişkenler ve yatırımcı duyarlılığına ilişkin göstergeler bir arada değerlendirilmiş ve 2018–2023 dönemine ait günlük veriler kullanılarak SVM, LSTM, RF ve XGBoost algoritmalarıyla tahmin modelleri geliştirilmiştir. Modellerin performansları R², MAE, MSE ve RMSE gibi istatistiksel hata metrikleriyle ölçülmüştür. Ayrıca değişkenlerin önem düzeyleri, SVM ve LSTM için permütasyon önem analizi ile, RF ve XGBoost'un ise gömülü önem hesaplama yöntemleri ile analiz edilmiştir. Son aşamada, en iyi yöntemi ÇKKV teknikleriyle belirlemek amacıyla; CRITIC yöntemi ile kriter ağırlıkları belirlenerek TOPSIS, ARAS ve CODAS yöntemleriyle sıralamalar yapılmış ve genel sıralama Copeland yöntemi ile elde edilmiştir. Sonuçlara göre dört yöntemde kripto para fiyatlarını tahmin etmede başarılı olmuştur. Copeland yöntemine göre en yüksek genel başarıyı XGBoost algoritmasının sağladığı görülmektedir. LSTM algoritması ikinci sırada yer alırken, RF üçüncü ve SVM dördüncü sırada yer almıştır.