Bulanık veri madenciliği ve sermaye piyasalarına uygulanması
Fuzzy data mining and its application to capital markets
- Tez No: 185844
- Danışmanlar: PROF.DR. ÖMER GEBİZLİOĞLU
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Bulanık veri madenciliği, istatistiksel öğrenme, bilgi keşfi, erken uyarısistemi, hisse senetleri piyasası, manipülasyon, Bulanık CHAID Karar Ağacı algoritması, ÖnselBirliktelik Kuralları algoritması, K-ortalamalar Kümeleme Analizi, FANNY algoritması, Fuzzy data mining, statistical learning, knowledge discovery, early warningsystem, securities market, manipulation, Fuzzy CHAID Decision Tree algorithm, A PrioriAssociation Rules algorithm, K-means Cluster Analysis, FANNY algorithm
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 195
Özet
ÖZETDoktora TeziBULANIK VERİ MADENCİLİĞİ ve SERMAYE PİYASALARINA UYGULANMASIAli Serhan KOYUNCUGİLAnkara ÜniversitesiFen Bilimleri Enstitüsüİstatistik Anabilim DalıDanışman: Prof. Dr. Ömer L. GEBİZLİOĞLUHisse senetleri arz ve talebine kasıtlı müdahale olarak tanımlanan manipülasyon, fiyatmekanizmasını bozan ve piyasanın belirsizlik yapısına zarar veren en önemli nedenlerdenbirisidir. Geleneksel yerinde denetim gibi tespitler zaman almakta ve piyasadaki zararı telafietmek mümkün olmamaktadır. Bilgi teknolojilerindeki gelişmeler denetime, gözetim sistemlerive erken uyarı sistemleri olarak yansımıştır. Erken uyarı sistemlerinin çalışma mantığı, menkulkıymetlerde beklenmeyen, sıra dışı davranışların tespitine dayanmaktadır. Veri madenciliğinintanımı ise önceden bilinmeyen, geçerli ve kullanılabilir enformasyonun büyük veritabanlarından açığa çıkarılması ve bu enformasyonun önemli kararlar vermek içinkullanılmasıdır. Bu tanıma bakıldığında, manipülasyon tespitine yönelik erken uyarısistemlerinin, sıradışı davranış tespiti tanımıyla büyük bir örtüşmeye sahiptir.Bu tez çalışmasında, hisse senetleri piyasası için istatistiksel öğrenme bakış açısından bulanıkveri madenciliğine dayalı bir erken uyarı sistemi önerilmektedir.Önerilen Sistem, Hisse Senetleri Piyasası (HSP) işlem akışıyla örtüşen üç basamaklı bir erkenuyarı sistemi olarak tasarlanmıştır. Erken uyarı sisteminin tasarımında veri madenciliğiyöntemlerinden, K-ortalamalar Kümeleme Analizi, FANNY Bulanık Kümeleme Algoritması,Bulanık Hedefli CHAID Karar Ağaçları algoritması ve Önsel Birliktelik Kuralları algoritmalarıardışık olarak kullanılmıştır.Tasarlanan sistem, sırasıyla manipülasyon gerçekleşen hisse senedinin, sözkonusu işlemlerigerçekleştiren aracı kuruluşların ve manipülasyonu gerçekleştiren yatırımcıların ardışık olaraktespitini esas almaktadırFinansal erken uyarı sistemlerinde genellikle bilançolara dayalı ekonometrik modellemeler esasalınırken, tasarlanan erken uyarı sisteminde İstatistiksel Öğrenme bakışıyla Bulanık VeriMadenciliği esas alınarak veri içerisindeki anomaliler belirlenmektedir. Sistem olabildiğinceotomatikleştirilerek, karar süreçleri insan faktörünün subjektivitesinden olabildiğincearındırılmış, verinin ne söylediği dikkate alınmıştır. Ayrıca, Bulanık Hedefli CHAID KararAğacı algoritması da tez kapsamında geliştirilmiştir.Tasarlanan sistemin başarısı, manipülasyon gerçekleştirilmiş bir hisse senedinin gerçek işlemverileriyle test edilmiş ve sistemin başarıyla çalıştığı tespit edilmiştir.2006, 186 sayfa
Özet (Çeviri)
ABSTRACTPh.D. ThesisFUZZY DATA MINING AND ITS APPLICATION TO CAPITAL MARKETSAli Serhan KOYUNCUGİLAnkara UniversityGraduate School of Natural and Applied SciencesDepartment of StatisticsSupervisor: Prof. Dr. Ömer L. GEBİZLİOĞLUManipulation which is described as deliberate interference to supply and demand of securities isone of the most important reasons of price mechanism disorder and makes damages toambiguity structure of market. Detection such as conventional on site supervision takes timeand the compensation of damage in market becomes impossible. Improvement of informationtechnologies reflects supervision as surveillance systems and early warning systems (EWS).Operational logic of early warning systems is based on finding unexpected and extraordinarybehaviors of securities. Definition of data mining is the process of extracting previouslyunknown, valid and actionable information from large databases and then using the informationto make crucial business decisions. Therefore, the definitions of EWS and data mining givenabove lead an interesting similarity.In this thesis an EWS for securities markets is suggested that is based on a model whichcomprises fuzzy data mining with a statistical learning point of view.The proposed system is designed as a three stage EWS which is similar in essence to the processof the Stock Exchange Market. The methods of data mining, K-means Clustering Analysis,FANNY Fuzzy Clustering Algorithm, Fuzzy Targeted CHAID Decision Tree algorithm and APriori Association Rules algorithm are used sequentially for the design of the three stage EWS.The designed system is based on the sequential detection in the order of the share that has amanipulative action, the intermediaries that realize the mentioned trading operations, and theinvestors that may lead to the manipulation.While the financial early warning systems are generally based on the econometric modellingthat are founded on balance sheets, in our model the designed early warning system that isestablished on fuzzy data mining with a statistical learning point of view identifies theanomalies. System of the model is made automatic and the decision procedures are clearifiedfrom the subjectivity of human factor as possible as it can be done, and the main message of thedata is taken into consideration. The Fuzzy Targeted CHAID Decision Tree algorithm isconstructed in the thesis as an integral part of the model.The success of the designed system is tested with real transactions of a share that ismanipulated, and it is confirmed that the model and its system works properly.2006, 186 pages
Benzer Tezler
- Bulanık mantık ile veri madenciliği
Data mining with fuzzy logic
AYŞEN BÜYÜKAKIN
Yüksek Lisans
Türkçe
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiSistem Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ ERCENGİZ
- Gizliliği koruyan bulanık veri madenciliği yöntemlerinin geliştirilmesi
Development of privacy preserving fuzzy data mining methods
TOLGA BERBEROĞLU
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET KAYA
- Data mining approach based on harris hawks optimization (HHO) algorithm for multiple sclerosis lesions segmentation on brain magnetic resonance images
Beyin manyetik rezonans görüntülerinde çoklu skleroz lezyonları için harrıs hawks optimizasyonu (HHO) algoritmasına dayalı veri madenciliği yaklaşımı
AMAL F A ISWIASI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OĞUZ KARAN
- A practical implementation for big data mining and sentiment analysis
Büyük veri madenciliği ve duygu analizi uygulaması
CEREN ASILKEFELİ
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiDokuz Eylül ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞEBNEM DEMİRKOL AKYOL
- Arıza teşhisinde veri madenciliği ve yumuşak hesaplama tekniklerinin kullanımı
The using of data mining and soft computing techniques in fault diagnosis
İLHAN AYDIN
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. ERHAN AKIN