Yapay zeka teknikleri ile fon kapanış tahmini
Fund closing price forecasting with artificial intelligence techniques
- Tez No: 1010416
- Danışmanlar: PROF. DR. ALİ YURDUN ORBAK
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Hisse senedi yatırım fonların, Makine öğrenmesi, Çok değişkenli regresyon, Equity mutual fund, Machine learning, Multivariate regression
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, yatırım fonu fiyatlarının kısa vadeli tahmini amacıyla klasik istatistiksel modeller, geleneksel makine öğrenmesi modelleri ve derin öğrenme modelleri karşılaştırmalı olarak incelenmiştir. Beş farklı fona ait veri setleri, çeşitli gecikme yapıları ve makroekonomik değişkenlerle zenginleştirilerek çok değişkenli analiz ortamı oluşturulmuştur. Zaman serisi modelleri hem otomatik hem de görsel analiz tabanlı yaklaşımlarla değerlendirilmiş; makine öğrenmesi ve derin öğrenme modelleri ise yapılandırılmış hiperparametre aramalarıyla kullanılmıştır. Farklı gecikme yapılarına duyarlılık ve modellerin kararlılığı gibi unsurlar ayrıca analiz edilmiştir. Literatürde nadiren bir arada değerlendirilen bu unsurlar birleştirilerek Türkiye'ye özgü bir uygulama alanında bütüncül bir çerçeve sunulmuştur. Geleneksel makine öğrenmesi modelleri klasik istatistiksel modelleri ve derin öğrenme modellerinden daha etkili sonuçlar vermiştir. Elde edilen bu sonuçlar, sınırlı miktarda veriye sahip olunan durumlarda geleneksel makine öğrenmesi modellerinin hızlı ve etkili adaptasyon yeteneğini ortaya koymuştur.
Özet (Çeviri)
In this thesis, classical statistical models, traditional machine learning models and deep learning models are comparatively examined with the aim of short-term forecasting of mutual fund prices. Data sets belonging to five different funds are enriched with various lag structures and macroeconomic variables, thereby constructing a multivariate analysis framework. Time series models are evaluated using both automatic and visual analysis based approaches, while machine learning and deep learning models are used through structured hyperparameter search strategies. In addition, sensitivity to different lag structures and the stability of the models are further analyzed. By integrating these elements rarely examined together in the existing literature a comprehensive framework is presented within a Turkey specific application context. The results indicate that traditional machine learning models yield more effective performance compared to classical statistical models and deep learning models. These findings demonstrate the rapid and effective adaptation capability of traditional machine learning models, particularly in scenarios where the available data are limited.
Benzer Tezler
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
İstatistikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Yapay sinir ağları ile kârlılık tahmini ve panel veri analizi kıyaslaması: Gayrimenkul yatırım ortaklıkları örneği
Profitability estimation with artificial neural networks and comparison with panel data analysis: The case of real estate investment trusts
AYŞEGÜL PEKER
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU TUNALI
- Mimari fotoğrafta sinematografik yaklaşımlar
Cinematographic approaches in architectural photography
HAKAN AKDEMİR
Yüksek Lisans
Türkçe
2025
Güzel SanatlarDokuz Eylül ÜniversitesiSanat ve Tasarım Ana Sanat Dalı
PROF. DR. MEHMET KOŞTUMOĞLU
- Hisse senedi fiyatlarının yapay zeka teknikleri kullanılarak tahmin edilmesi: BIST'te bir uygulama
Forecasting share prices using artificial intelligence techniques: An application in BIST
AHMET ÇANKAL
- Diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ teknikleri ile öngörülmesi
Prediction of amputation risk of patients with diabetic foot by artificial inteligence techniques
DENİZHAN DEMİRKOL