ETHEREUM`UN ERC-20 TOKENLARI ÜZERİNDEKİ ETKİSİ: LSTM VE CNN MODELLERİYLE KARŞILAŞTIRMALI BİR ANALİZ

Authors : Mehmet Çınar, Muhammet Apak

Pages : 476-492

View : 59 | Download : 36

Publication Date : 2025-01-30

Article Type : Research Paper

Abstract :Vitalik Buterin tarafından 2013 yılında geliştirilen Ethereum, akıllı sözleşmeler ve ERC-20 token standartları ile blockchain teknolojisini önemli ölçüde ileri taşımıştır. Bu çalışmada Ethereum\\\'un ERC-20 tokenları üzerindeki etkisi Long Short-Term Memory (LSTM) ve Convolutional Neural Networks (CNN) modelleri kullanılarak incelenmektedir. Bu amaçla Ethereum verileri kullanılarak LSTM ve CNN modelleri yardımıyla model eğitimleri gerçekleştirilmiştir. Daha sonra eğitilen modeller ERC-20 token fiyatlarını tahmin etmek amacıyla kullanılmıştır. Çalışmada uygulanan tüm analizler. Çalışma sonuçlarına göre, LSTM modeli; LINK, MATIC ve UNI tokenları için yüksek doğruluk oranlarına ulaşmış, ancak RNDR tokeni tahminlerinde daha düşük performans sergilemiştir. CNN modeli ise LINK tokeni için en yüksek doğruluğu sağlamış ve RNDR tokeni tahminlerinde de başarılı sonuçlar elde etmiştir. Bununla birlikte, CNN modeli MATIC ve UNI tokenlarında LSTM modeline göre daha düşük bir performans sergilemiştir. Bu bulgular, hem LSTM hem de CNN modellerinin Ethereum\\\'un ERC-20 token fiyat dinamiklerini tahmin etmede belirgin bir etkiye sahip olduğunu ortaya koymaktadır. Model performanslarının token bazında değişkenlik göstermesi, piyasa dinamikleri ve likidite seviyelerinin etkisini işaret etmektedir. Çalışma, bu farklılıkların model seçiminde tokenin özelliklerine ve piyasa koşullarına göre yapılmasının önemini vurgulamaktadır.
Keywords : Ethereum, ERC-20, LSTM, CNN

ORIGINAL ARTICLE URL