LSTM kullanarak japon mum çubuğuna ve RSI, CCI, MA göstergelerine dayalı Forex piyasalarını tahmin etme

Bu çalışmada, finansal ticarete yönelik Forex piyasası beklentilerinin incelenmesine odaklanılmıştır. Forex piyasası tahminleri, küresel finans piyasalarındaki tüccarlar ve yatırımcılar için hayati öneme sahiptir. Birçok farklı tahmin yöntemi teknik kalıplara ve finansal göstergelere dayanmaktadır. EUR/USD tahminini iyileştirmek için mum çubuklarına ve finansal değişkenlere dayalı bir Uzun Kısa Süreli Bellek (LSTM) modeli kullanıldı. Japon şamdanları finansal piyasaları değerlendirmek için en yaygın kullanılan araçlar arasındadır. Dolayısıyla fiyat kalıplarını ve alış ve satış arasındaki farkları gösteren bu mumlar, gelecekteki fiyat dalgalanmalarını tahmin etmek için önemli veriler sağlıyor. 15 dakikalık bir mum çubuğu okuması kullanılır. Ayrıca, Hareketli Ortalamalar (MA), Emtia Kanalı Endeksleri (CCI) ve Göreceli Güç Endeksleri (RSI) gibi teknik finansal göstergeler, finansal piyasalarda tahmine yönelik sinyaller oluşturmak ve eğilimleri tahmin etmek için kullanılmıştır. Bu göstergeler, modelin piyasadaki eğilimleri ve değişiklikleri tahmin etme yeteneğini değerlendirmek için gereklidir. LSTM, verileri işlemek ve döviz kurlarındaki tarihsel kalıplardan bilgi edinmek için kullanıldı. Bir grup modelle karşılaştırma yapıldı ancak LSTM modeli avantajı yakaladı. Elde edilen mutlak hata yüzdesi (MAE = 0.00043%) ve elde edilen mutlak hatanın ortalama yüzdesi (MAPE = 0.0407%) dahil olmak üzere birçok doğruluk ve istatistiksel performans ölçüsü kullanılmıştır. Performansı değerlendirmek ve model hatalarını ölçmek. Dolayısıyla bu çalışma, derin öğrenme tekniklerini kullanarak döviz tahminlerini iyileştirme yeteneğini yansıtıyor ve böylece tüccarların ve yatırımcıların koşullarının iyileştirilmesine ve onların daha akıllı yatırım seçimleri yapmalarına olanak sağlanmasına katkıda bulunabilir.