Author :
Abstract
Kripto paraların bilinirliğinin ve kullanımının artmasıyla birlikte bu ekosisteme dahil olan paydaş sayısı sürekli artış göstermektedir. Son yıllarda spor kulüpleri de kendi Fan Tokenlarını ihraç ederek taraftarların kulübe olan bağlılıkları sayesinde kulübe mali kaynak yaratma şansı yakalamaktadır. Fan Token satın alan taraftarlar ise hem kulüpleri sayesinde finansal piyasalarda yatırım yapma, hem de vip hizmetler, öncelikli bilet alımı, özel organizasyonlara katılım gibi kişisel avantajlar elde etmektedir. Dünya genelinde futbol başta olmak üzere basketbol, formula 1 gibi popüler spor dallarında faaliyet gösteren kulüpler Fan Token ihraç etmeye başlamıştır. Bu çalışmada futbol kulüpleri tarafından ihraç edilen Fan Token fiyat hareketleri incelenmektedir. Yöntem olarak bir veri madenciliği metodu olan Birliktelik Analizi kullanılmaktadır. Veri seti 01.01.2022-01.08.2022 arasındaki günlük verilerden oluşmaktadır. Elde edilen bulgular ışığında Fan Tokenların birbirlerinin fiyat hareketlerinden etkilenip etkilenmediği araştırılmaktadır. Gerek ortaya çıkan en güçlü 5 kural, gerekse destek değeri en yüksek kural TRA, LAZIO ve PORTO Fan Tokenlarının sıklıkla birlikte hareket ettiğini ortaya koymaktadır. Ayrıca, FB, IBFK ve GOZ gibi 3 Türk kulübüne ait Fan Tokenların en az birliktelik kuralı içerisinde yer alan Fan Tokenlar olması çalışmanın bir diğer önemli bulgusudur. Çalışmanın kripto para alanındaki literatüre katkı sağlaması amaçlanmaktadır. Çalışmanın Fan Token yatırımı yapmayı planlayan yatırımcılara portföy çeşitlendirmesi açısından ipuçları vermesi beklenmektedir.
Keywords
Abstract
With increasing awareness and use of cryptocurrencies, the number of stakeholders involved in this ecosystem has steadily increased. Over the last few years, sports clubs have also issued their own Fan Tokens, due to the loyalty of fans to the club. Therefore, they have had the chance to raise funds for the club. Fans who purchase Fan tokens enjoy personal benefits, such as investment in capital markets, VIP services, purchase of priority tickets and participation in special organizations. Clubs operating in popular sports branches worldwide, such as football, basketball and Formula One, have released Fan Tokens. In this study, price movements for Fan Tokens issued by football clubs are discussed. A method, Association Rules Analysis, which is a data mining method, is employed. The data set comprises daily data between 01.01.2022 and 01.08.2022. Given the results, it is examined whether Fan Tokens are affected by the price moves of the other. Both the 5 strongest emerging rules and the one with the highest support value reveal that TRA, LAZIO and PORTO Fan Tokens frequently move together. Another important finding of the study is that Fan Tokens belonging to 3 Turkish clubs such as FB, IBFK and GOZ are Fan Tokens that are included in the least association rule. The aim of the study is to contribute to the literature in the field of cryptocurrencies. The study is expected to provide information to investors considering investing in Fan Tokens in terms of portfolio diversification.
Keywords
- Agrawal, R. ve Srikant, R. (1994). Fast Algorithms for Mining Association Rules in Large Databases. Proceedings of the 20th International Conference on Very Large Data Bases, September, 487–
- Aksu, G., Doğan, N. (2019). Veri Madenciliğinde Kullanılan Bir Analiz Programı: WEKA. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 10(1), 80-95. ISSN:1309-6575
- Bayram, S.S. ve Dündar, S. (2021). Türkiye’de banka şube lokasyonunun veri madenciliği ile analizi. Uluslararası Bankacılık Ekonomi ve Yönetim Araştırmaları Dergisi, 4 (1), 34-52. doi: 10.52736/ubeyad.936519
- Bilgikripto. (t.y.). Fan Token. 14 Eylül 2022 tarihinde https://www.bilgikripto.com/fan-token/ adresinden erişildi.
- Birant, D., Kut A., Ventura M., Altınok, H., Altınok, B., Altınok, E. Ve Ihlamur, M. (2010). İş Zekası Çözümleri için Çok Boyutlu Birliktelik Kuralları Analizi. Akademik Bilişim’10 - XII. Akademik Bilişim Konferansı,215-222.
- Bitlo. (t.y.). Fan Token Nedir. 14 Eylül 2022 tarihinde https://www.bitlo.com/rehber/fan-token-nedir
- Bitlo. (t.y.). Token Nedir. 14 Eylül 2022 tarihinde https://www.bitlo.com/rehber/token-nedir adresinden erişildi.
- Coinmarketcap. (t.y.a). Fan Token. 14 Eylül 2022 tarihinde https://coinmarketcap.com/tr/view/fan- token/ adresinden erişildi.
- Coinmarketcap. (t.y.b). Top Fan token by Market Capitalization. 3 Ağustos 2022 tarihinde https://coinmarketcap.com/view/fan-token/ adresinden erişildi.
- Doğan, B., Erol, B.ve Buldu, A. (2015). Sigortacılık sektöründe müşteri ilişkileri yönetimi için birliktelik kuralı kullanılması. Marmara Fen Bilimleri Dergisi, 26 (3), 105-114. doi: 10.7240/mufbed.56489
- Doğrul, G., Akay, D. ve Kurt, M. (2015). Trafik kazalarının birliktelik kuralları ile analizi. Gazi Mühendislik Bilimleri Dergisi, 1(2), 265-283. https://dergipark.org.tr/tr/pub/gmbd/issue/29232/312922
- Erken, Ş. (2017). Veri madenciliği yöntemleri ve optimizasyona dayalı modeller üzerine bir araştırma ve bir uygulaması. İzmir, Tür: Yüksek Lisans Tezi
- Gemici, B. (2012). Veri madenciliği ve bir uygulaması. İzmir, Tür: Yüksek Lisans Tezi.
- Giudici, P. (2003). Applied data mining: statistical methods for business and ındustry. Faculty of Economics University of Pavia, Italy. Chichester: Wiley,
- Gündüz, S. (2017). Veri madenciliğinde kullanılan birliktelik analizi ve market sepet analizi: bir uygulama. Samsun, Tür: Yüksek Lisans Tezi.
- Gürgen, G. (2008). Birliktelik kuralları ile sepet analizi ve uygulaması. İstanbul, Tür: Yüksek Lisans Tezi.
- Hernández C., J.B., García-Medina, A. ve Porro V., M.A.(2021). Study of the behavior of cryptocurrencies in turbulent times using association rules. Mathematics, 9(14),1620. doi: https://doi.org/ 10.3390/math9141620
- Karagöz, N.E. (2007). Market veri tabanında veri madenciliği uygulaması. İstanbul, Tür: Yüksek Lisans Tezi
- Karpio, K., Lukasiewicz, P., Orlowski, A. ve Zabkowski, T. (2013). Mining associations on the warsaw stock exchange. Acta Physıca Polonıca A, 123(3), 553-559. doi: 10.12693/APhysPolA.123.553
- Kocabıyık, T., Dağ, O., ve Karaatlı, M. (2021). Borsa İstanbul endekslerinin birlikte hareketi: fp growth algoritması ile bir uygulama. Uluslararası İşletme, Ekonomi ve Yönetim Perspektifleri Dergisi (IJBEMP), 5(2), 659-672. doi: 10.29228/ijbemp.52518
- Kumcu, S. ve Özyörük, B. (2022). Veri madenciliğinde birliktelik kuralları ile bir CNC tezgahı için arıza analizi. Savunma Bilimleri Dergisi, 1(41), 205–226, doi: https://doi.org/10.17134/khosbd.1101520
- Levent, E.B. (2016). Veri madenciliği ve havacılık sektöründe bir uygulama. İstanbul, Tür: Yüksek Lisans Tezi
- Liao, S.H., Ho, H.H. ve Lin, H.W. (2008). Mining stock category association and cluster on Taiwan stock market. Expert Systems with Applications, 35(1-2), 19-29. doi: 10.1016/j.eswa.2007.06.001
- Madria, S.K., Bhowmicki S.S., Ng, W.K. ve Lim, E.P. (1999). Research Issues in Web Data Mining. Proc. First International Conference on Data Warehousing and Knowledge Discovery, DaWaK '99, Florence, Italy, Lecture Notes in Computer Science, Springer, 303-312.
- Murugan, G.K. (2021). Creation of a recommendation system to recommend cryptocurrency portfolio using Association rule mining. Dublin, Tür: Yüksek Lisans Tezi.
- Na, H.S. ve Sohn, Y.S. (2011). Forecasting changes in Korea composite stock price Index (KOSPI) using association rules. Expert Systems with Applications, 38(7), 9046-9049. doi: 10.1016/j.eswa.2011.01.025
- Pandya Jalpa P. ve Morena Rustom D. (2017). A novel hybrid method for generating association rules for stock market data. International Journal of Latest Technology in Engineering, Management & Applied Science-IJLTEMAS 6(7s), 06-15. ISSN 2278-2540
- Paranjape Voditel, P. ve Deshpande, U. (2011). An association rule mining based stock market recommender system. Paper presented at the 2011 Second International Conference on Emerging Applications of Information Technology, doi: 10.1109/EAIT.2011.90.
- Sabah, L. ve Bayraktar, H. (2020). Veri madenciliği birliktelik kuralları ile binaların risk durumlarının analizi: Kaynaşlı, Düzce örneği. Gazi Mühendislik Bilimleri Dergisi, 6(1), 70-78, doi: https://dx.doi.org/10.30855/gmbd.2020.01.07
- Sharma, N., Bajpai, A. Ve Litoriya R. (2012). Comparison the various clustering algorithms of wekatools. International Journal of Emergin Technology and Advanced Engineering, 5(2), 7380. ISSN:2250-2459.
- Socios. (t.y.). Fan Tokens. 14 Eylül 2022 tarihinde https://www.socios.com/tr-tr/fan-tokens-tr/
- Srisawat, A. (2011). An Application of Association Rule Mining Based on Stock Market. Paper presented at the The 3rd International Conference on Data Mining and Intelligent Information Technology Applications, pp. 259-262.
- Teker, T. (2022, Temmuz). Association effect on meme coin price movements. Paper presented at the ICSHSR 1st International Conference On Humanity and Social Sciences. ISBN: 978-60571828-1-4,
- Token Nedir. (2020, 9 Eylül). Erişim adresi https://www.paribu.com/blog/sozluk/token-nedir/
- Uzmancoin. (t.y.). Token Nedir. 1 Eylül 2022 tarihinde https://uzmancoin.com/sozluk/token-nedir/
- Ünsal, Ö. (2020). Veri madenciliği teknikleri ile hisse senetleri arasındaki fiyat etkileşimlerinin belirlenmesi. Mühendislik Bilimleri ve Tasarım Dergisi, 9(1), 106-112. doi: 10.21923/jesd.834105
- Veri Madenciliği Nedir. (2019, 15 Kasım). Erişim adresi https://www.smartmind.com.tr/veri- madenciligi-nedir-i-945
- Yahoo Finance. (t.y.). 11 Eylül 2022 tarihinde https://finance.yahoo.com/ adresinden erişildi.
