eISSN:2148-0710 - pISSN:1301-6229 English
Anasayfa  |  Künye   |  Haberler  |  İletişim

Menü

Hızlı Erişim







Abstract


Prediction of Gold Prices by Xgboost and Mars Methods
As gold is an important means of payment, investment and savings, determination of prices is important for countries and investors. Therefore, the prediction of the gold price is aimed in this study. For this purpose, the variables such as silver price, crude oil WTI futures price, US Dollar index, S&P500 index, US federal funds compound interest rate, and US CPI which are thought to have effect on the gold price, were used as inputs in the models. The data used belongs to the period January 2015 - June 2020. Gold price is a non-linear series, besides it is non-stationary. These features of the gold price make it difficult to obtain price predictions. For this reason, it is appropriate to use machine learning methods and non-parametric methods in prediction of the gold price in addition to classical methods. In this study, XGBoost, MARS and linear regression models were used to obtain the predictions. The results obtained were compared using the performance evaluation criteria of the models, and the effects of the input variables on the gold price for the XGBoost and MARS models were determined. Among the models used, the XGBoost model provided the most successful results with a 99.6% successful prediction rate. For the MARS model, this rate is 97.8%. These ratios show that the variables used have a significant effect on gold prices. Among the variables used, the variable that has the most important effect on gold prices is the US CPI. In addition, the findings show that the XGBoost and MARS methods are preferable methods to obtain estimates for gold price and similar series.

Keywords
Gold Price, Prediction, Machine Learning, Nonparametric Regression, XGBoost, MARS.


Gelişmiş Arama


Duyurular

    Yayın Kabulü

    Kıymetli Yazarlarımız,

    Dergimizin 83. Sayısı (Yaz Sayısı) yayımlanmıştır. 84. sayı için makale kabulü devam etmektedir.

    Kıymetli Yazarlarımız,

    Dergimizin "Hakkımızda" menüsünü inceledikten sonra makalelerinizi dergi sistemine yüklemenizi rica ediyoruz. 

    Dergimize gönderilen çalışmalarda TR Dizin Başvuru Koşulları ve Dergi Değerlendirme Kriterleri gereğince araştırma etiğine yönelik neler yapıldığı ve araştırmanın hangi etik kriterler dikkate alınarak hazırlandığı açıklanmalıdır. Ayrıca araştırmaların niteliğine göre etik kurul belgesi veya uygulama izni makalenin ekinde verilmelidir. Dergimizin 2020 yılı ikinci sayısı itibariyle bütün çalışmalar için bu kurallar işletilecektir.

    Sayın Yazarlarımız, 1 Ocak 2019 itibariyle dergimizde yayımlancak makalelerin intihal raporlarının da dergimize iletilmesi gerekmektedir. İntihal raporlarında kabul edilebilir benzerlik oranı %15'tir ve makalenin tamamının ayrıntılı raporu gerekmektedir.

    ÇALIŞMALARINIZLA İLGİLİ İSTEK VE SORULARINIZI, SADECE dergi@ekevakademi.org ADRESİNDEN E-POSTA OLARAK YA DA MAKALE TAKİP SİSTEMİ ÜZERİNDEN MESAJ YOLUYLA İLETİNİZ. 

    EKEV AKADEMİ DERGİSİ'NE GÖNDERİLEN ÇALIŞMALAR EDİTÖR ONAYI ALINMADAN GERİ ÇEKİLEMEZ VE BAŞKA BİR DERGİDE YAYIMLANAMAZ. GÖNDERDİĞİNİZ ÇALIŞMALARIN TELİF HAKKI DERGİYE AİT OLUP AKSİ DURUMDA OLUŞABİLECEK SORUNLARDAN YAZAR SORUMLUDUR.

    DERGİMİZDE YAYIMLANAN MAKALELERİNİÇERİĞİNDEN VE İÇERİĞİNDE YER ALAN İFADELERDEN MAKALE YAZAR/YAZARLARI SORUMLUDUR.

    Yazı gönderme ve kabul işlemleri artık sitemizdeki menüden ulaşılabilen Makale Takip Sistemi vasıtasıyla online olarak gerçekleştirilmektedir.Yazarlarımız Makale Takip Sistemi'ne üye olup üyelik onay işleminden sonra yazılarını Sistem üzerinden gönderebilmektedir.

    UYARI!! LÜTFEN GÖNDERECEĞİNİZ MAKALELERİ YAZIM VE YAYIN KURALLARIMIZA GÖRE YENİDEN GÖZDEN GEÇİREREK GÖNDERİNİZ.



Adres :
Telefon : Faks :
Eposta :dergi@ekevakademi.org

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri