Geri Dön

Trade-profit maximization in stock markets neural networks as technical-analysis-indicator approximators

Yapay sinir ağlarının hisse senetleri piyasası işlemlerinde kazanç enbüyüklem eamacıyla teknik analiz göstergesi yaklaşıklaştırıcısı olarak kullanımı

  1. Tez No: 152550
  2. Yazar: HİKMET KIRMIZITAŞ
  3. Danışmanlar: PROF. DR. UĞUR AKMAN, DOÇ. DR. NESRİN OKAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2004
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Sistem ve Kontrol Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 42

Özet

IV ÖZET YAPAY SINIR AĞLARININ HİSSE SENETLERİ PİYASASI İŞLEMLERİNDE KAZANÇ ENBÜYÜKLEME AMACIYLA TEKNİK ANALİZ GÖSTERGESİ YAKLAŞIKLAŞTIRICISI OLARAK KULLANIMI Doğrusal olmayan/kaotik zaman serilerinin (hisse senedi fiyatlarının) tahmin edilebilir olup olmadığı hala çözülmemiş bir sorudur. Yapay Sinir Ağlarının öğrenme yetenekleri hisse senedi fiyatlarını tahmin etmek için kullanılmıştır ancak basan sınırlıdır. Geleneksel yaklaşım, gerçek ve tahmin edilen değerler arasındaki farkın karesini enküçükleme benzeri kriterler kullanarak, bir yapay sinir ağı modeline hisse senedi fiyat geçmişini öğretmektir. Diğer taraftan, Teknik Analiz Göstergeleri, tahmin etmeye çalışmadan, zamanında al/sat sinyalleri üreterek hisse senedi fiyatlarından kar elde etmeyi başarırlar. Bu çalışmada, ilk adımda, giriş ve saklı nöron sayısı bakımından yapısal değişiklik gösteren yapay sinir ağı, önceden eniyilenmiş“Williams' %R”(WR) diye adlandırılan teknik analiz sinyalini öğrenmek için eğitilmişlerdir. WR parametrelerinin en çok kar üretimi için ön eniyilemesi, en çok kullanılan teknik analiz ve çizenek yazılımı olan MetaStock tarafından yapılmıştır. Fakat, WR tarafından üretilen kar, sabit bir formül tarafından sınırlandırılmıştır. Bir sonraki adımda, yapay sinir ağlarının global fonksiyon yaklaşıklaştırıcı olabilme yeteneklerinden yararlanarak, ağın parametreleri (ağırlıklar ve yanlılıklar) rastgele arama yöntemiyle, ilk adımda elde edilen parametre uzayı etrafında, bu ağ ile benzeştirilen WR tarafından üretilmiş al/sat sinyallerine göre karı enbüyüklemek amacıyla eniyilenmiştir. Eniyilenen ağ, örtük bir kar üretim fonksiyonu gibi davrandığından ve bu fonksiyonel formu WR'daki gibi sınırlandırılmış olmadığından daha iyi al/sat kararlan elde edilmiştir. Hesaplamalarda İMKB-100 Endeksi'nin günlük kapanış değerleri kullanılmış ve yalnızca“açığa satış”olmadığı durumlarda değerlendirilmiştir. Sonuç olarak, ilk eniyilenmiş WR sinyalinin 56.8 birim kan, simulasyonlann birinde 73.3 birim karla geçilmiştir. Bu önerilen yöntemin potansiyelini ispatlamaktadır.

Özet (Çeviri)

Ill ABSTRACT TRADE-PROFIT MAXIMIZATION IN STOCK MARKETS WITH NEURAL NETWORKS AS TECHNICAL-ANALYSIS-INDICATOR APPROXIMATORS Whether nonlinear/chaotic financial time series (stock prices) are predictable or not is still an unsolved question. Learning abilities of neural networks (NN) are used to forecast stock prices; however with limited success. The traditional approach is to train a NN model to stock-price history using a criterion such as minimizing the squared error between predictions and actual values. Technical Analysis Indicators (TAI), on the other end, without any attempt to forecast, manage to extract profits from stock prices by providing timely buy/sell signals. In this work, in the first step, feedforward NNs, differing in structure in terms of number of input and hidden neurons, are trained to learn the pre- optimized TAI signal called the“Williams' %R”(WR). The pre-optimization of the WR parameters for maximum profit generation is done with the most widely used TA and charting software MetaStock. However, the profit generated by the WR is limited by its fixed formula. In the next step, by capitalizing on the global function approximation abilities of NNs, the parameters (weights and biases) of the NN are optimized via a random search, around the parameter space obtained in the first step, with the objective of maximizing the profit according to the buy/sell signals generated by this“NN-simulated WR”. Since the optimized NN acts as an implicit profit-generating function, and since this functional form is not restricted as in the case of WR, better trading decisions are obtained. In the computations daily closing values of the ISE100 (Istanbul Stock Exchange 100 Index) are used and only the long positions are considered (no short-selling). As a result, the 56.8 unit profit of the original optimized WR signal is surpassed by a 73.3 unit profit in one of the simulations; proving the potential of the proposed method.

Benzer Tezler

  1. Hisse senedi piyasalarında algoritma kullanımı: Borsa İstanbul'da Turtle Trade uygulaması

    Algorithm use in stock markets: Turtle Trade application in Borsa Istanbul

    KEZBAN CANÖZÜ ÖKSÜZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İşletmeGümüşhane Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ALPER VELİ ÇAM

  2. Telekomünikasyon sektöründe firma değerini etkileyen faktörler

    Factors affecting firm value in telecommunications sector

    RABİA ULU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İşletmeErciyes Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TALİP TORUN

  3. Hisse senetleri değerlemesi

    Başlık çevirisi yok

    AYDIN UYAR

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    İşletmeİstanbul Teknik Üniversitesi

    DOÇ. DR. MEHMET BOLAK

  4. Enflasyonist ortamda hayat sigorta işletmelerinde yatırımlar ve kar payı hesaplanması

    Başlık çevirisi yok

    B. MÜGE BERKOL

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    SigortacılıkMarmara Üniversitesi

    Sigortacılık Ana Bilim Dalı

    YRD. DOÇ. DR. SAADET TANTAN

  5. Taşımacılık modelleri, uluslararası taşımacılık konusuna yaklaşımlar ve bir uygulama

    Transportation models, approaches to international transportation and an application

    BAHAR ORTAATİLLA

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. FÜSUN ÜLENGİN