Bitcoin Fiyat Tahmini¶

Python TensorFlow Keras scikit-learn XGBoost LightGBM CatBoost NLTK Pandas Selenium Seaborn VADER

GitHub

Problem¶

Kripto para piyasaları aşırı volatil olup hem nicel finansal göstergeler hem de haber ve sosyal medyadan gelen nitel duygu analizinden etkilenir. Salt zaman serisi modelleri duygu sinyalini kaçırırken, salt NLP yaklaşımları finansal temelleri göz ardı eder. Etkili bir tahmin sistemi her ikisine de ihtiyaç duyar.

Yaklaşım¶

Bu proje, fiyat hareketlerini tahmin etmek için haber başlıklarından duygu analizi ile finansal göstergeleri birleştiren NLP tabanlı bir Bitcoin fiyat tahmin sistemi oluşturur.

Duygu Pipeline'ı¶

Haber başlıkları, duygu puanları çıkarmak için NLP modelleri aracılığıyla işlenir. Bu puanlar, genellikle fiyat hareketlerinden önce gelen piyasa ruh halini — korku, iyimserlik, belirsizlik — yakalar.

Öznitelik Mühendisliği¶

Finansal göstergeler (hareketli ortalamalar, RSI, MACD, işlem hacmi) duygu özellikleriyle birlikte hesaplanarak her tahmin penceresi için zengin bir çok modlu öznitelik seti oluşturulur.

Model Karşılaştırması¶

Sistem, klasik ve derin öğrenme yaklaşımları arasında 18 farklı ML modelini karşılaştırır:

• Klasik ML — Doğrusal Regresyon, Rastgele Orman, XGBoost, LightGBM, SVM, KNN ve daha fazlası
• Derin Öğrenme — Sıralı finansal veriler için tasarlanmış CNN ve LSTM mimarileri
• Topluluk yöntemleri — birden fazla model tahminini birleştirme

Temel Özellikler¶

• 18 ML modeli aynı veri seti üzerinde birebir karşılaştırıldı
• NLP duygu analizi — NLTK kullanarak gerçek haber başlıklarından
• Çok modlu öznitelikler — finansal göstergeler + duygu puanları
• CNN/LSTM mimarileri — zamansal örüntüleri yakalamak için
• Kapsamlı değerlendirme — birden fazla regresyon metriği ile

Mimari¶

graph TD
    A[Haber Başlıkları] --> B[Duygu Analizi]
    C[Fiyat Geçmişi] --> D[Finansal Göstergeler]
    B --> E[Öznitelik Matrisi]
    D --> E
    E --> F[18 ML Modeli]
    E --> G[CNN/LSTM]
    F --> H[Topluluk Tahmini]
    G --> H

Teknoloji Yığını¶