Geri Dön

Analysis and design of technical indicators for financial time series

Finansal zaman serileri için teknik göstergelerin analiz ve tasarımı

  1. Tez No: 139386
  2. Yazar: İZZET YAKOBİŞVİLY
  3. Danışmanlar: YRD. DOÇ. DR. İLKAY BODUROĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2003
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 195

Özet

ÖZET flnansal zaman serîleri için teknik göstergelerin analiz ve tasarimi Hisse senedi borsasında, bilgisayar tabanlı alış-veriş sistemlerince kullanılan yüzün üzerinde teknik gösterge bulunmaktadır. Ancak, alım ve satım kararları verilirken sadece birkaç tanesi kullanılmaktadır. Çabuk karar vermenin şart olduğu koşullarda, en güçlü göstergenin kullanılması tercih edilmelidir çünkü çok fazla sayıda göstergeye bel bağlamak pratik değildir. Birinci hedefimiz, en sık kullanılan teknik göstergeleri analiz etmek, onlara değişik dönüşümler uygulamak ve onları geliştirerek, eski hallerinden daha başarılı bir gösterge elde etmektir. Kullandigimiz iki transformasyon, ardaşık fiyatların log farkını almak ve Hilbert Transformasyonu uygulamaktır. ikinci ve çok daha önemli hedefimiz ise, istatistiksel olarak hisse senedi fiyat larının rastgele yürüyüş tarzında hareket etmediklerini kanıtlamaktır. Veri madenciliği paradigmasını finansal zaman serileri üzerinde kullanarak fiyat hareketlerinin bir ölçüye kadar öngörülebilir olduğunu istatistiksel olarak kanıtladık. Öğrenme dönemi 1 Tem muz 1997 ve 30 Haziran 2001 tarihleri arasındaydı; sınama dönemi ise 1 Temmuz 2001 ve 30 Ocak 2003 tarihleri arasındaydı. Bu tezde hep gün sonu fiyatları kullanıldı. Bazı teknik göstergelerde, eğitim ve sınama devrelerindeki“alım-satım başına kar”sonuçlarını kullanarak, istatistiksel olarak önemli korelasyonların varolduğunu göster dik. Birçok yeni gösterge geliştirdik, onları“öngörme güçlerine”göre sıraladık. Bu göstergelerden en iyi beş tanesini daha ileri analizlerde ve daha önce bahsettiğimiz ispatta kullanmak için seçtik.

Özet (Çeviri)

IV ABSTRACT ANALYSIS AND DESIGN OF TECHNICAL INDICATORS FOR FINANCIAL TIME SERIES There are over a hundred technical indicators that are used in computerized trading systems in the stock market. However, only a few are used when making buy or sell decisions. In situations where quick decision-making is essential, it is preferable to use the most accurate indicator. Having to rely on too many indicators is not practical. Our first goal is to analyze the most frequently used technical indicators, apply various transformations to them and thus enhance them in a way that we will come up with one indicator that outperforms the most frequently used ones. The two transformations that we used are the log-difference of consecutive prices and the Hubert Transform. On the other hand, our second and much more important goal is to prove statistically that stock prices do not move in a random walk fashion. We used the datamining paradigm on financial time series to prove statistically that price movements are predictable to a degree. The training period was between July 1, 1997 and June 30, 2001; whereas the testing period was between July 1, 2001 and January 30, 2003. We used end-of-day price information. We showed that a significant correlation exists, for certain technical indicators, between the“per-trade profit”results from training and testing periods. We designed several new indicators, sorted them in order of“forecast strength”and chose the top five indicators to further analyze and to use in the aforementioned proof.

Benzer Tezler

  1. Finansal zaman serilerinin fonksiyonel yapısının genetik öğrenmeyle belirlenmesi

    Determining the functional structure of financial time series by means of genetic learning

    ÖZGÜR İCAN

    Doktora

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. HASAN DURUCASU

  2. Automated cryptocurrency trading using machine learning methods

    Makine öğrenmesi yöntemleri ile otomatik kripto para ticareti

    FARUK ÖZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR

  3. Sigortacılık sisteminde aktif-pasif yönetimi ve Türkiye hayat sigortası örneğinde portföy performansının boyutlarını belirleyen faktörlerin irdelenmesine ilişkin bir model denemesi

    Assets and liablity management in the insurance sector and investigating sectors that are determinating dimensions of the portfolio performance by relating to model testing in the Turkish life insurance sector

    ALİ İHSAN DOĞAN

    Doktora

    Türkçe

    Türkçe

    2001

    SigortacılıkMarmara Üniversitesi

    Bankacılık Ana Bilim Dalı

    PROF.DR. ABDÜLGAFFAR AĞAOĞLU

  4. A composed technical debt identification methodology to predict software vulnerabilities

    Yazılım zafiyetlerini tahmin etmek için kapsamlı bir teknik borç tanımlama yöntemi

    RUŞEN HALEPMOLLASI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞE TOSUN KÜHN

  5. A holistic decision support tool for facade design

    Cephe tasarımı için bütüncül bir karar destek aracı

    SİNEM KÜLTÜR

    Doktora

    İngilizce

    İngilizce

    2019

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. AYŞE NİL TÜRKERİ

    PROF. DR. Ulrich KNAACK