Yapay sinir ağları ile finansal tahmin
Financial forecasting with artificial neural networks
- Tez No: 208211
- Danışmanlar: DOÇ.DR. YALÇIN KARATEPE
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 161
Özet
Bu tez çalışmasında Türk Finansal Piyasalarındaki gelişmelerin hisse senedi bazındaki değerlendirmesi yapılmaya çalışılmıştır. Bu sırada Yapay Sinir ağları temel hareket noktası olarak kabul edilerek, çözüme bu yoldan ulaşılmaya çalışılmıştır. Temel olarak bakıldığında yapay sinir ağları Türk finansal piyasalarında çok başarılı sonuçlar vermektedir ve bu tez çalışmasında Türk finansal piyasaları için gerekli olan ağ yapısı ve parametreleri tespit edilmiştir. Bundan sonraki araştırmacılar bu çıkarımları referans olarak kabul edebilirler. Çalışmamızda 2005 yılı kapanış verileri için 4-5-1 sinir ağının çok başarılı performans gösterdiği görülmüştür. Üç katmanlı yapıdan daha fazla katman kullanmak sinir ağının performansını düşürmüştür. Yine aynı şekilde orta katmandaki sinir hücresi sayısını arttırmak herhangi bir fayda sağlamamıştır. Sinir ağının öğrenim algoritması olarak en iyi sonucu verdiği görülen geriye doğru yayılım algoritması seçilmiş, en önemli öğrenim parametrelerinden olan alpha ve beta değerlerinin her ikisininde 0.1 değerini aldığında sinir ağının performansının en iyi sonuca ulaştığı görülmüştür. Öğrenim fonksiyonları arasında ise geriye doğru türevlenebilirliği açısından diğer öğrenim fonksiyonlarından ayrılan ?sigmoid? fonksiyonu üstün bir performans göstermiştir. Girdi değerlerinin normalizasyonu yapılırken de borsa kapanış değerlerinin 0 ila 0,9 arasına çekilmesi gerektiği tespit edilmiştir. Yine ağın performansının artması için eldeki verilen girdi seti ile test seti arasında 80'e 20 oranında paylaştırılması gerektiği sonucuna varılmıştır. Bir diğer önemli bulguda ağın ilk yaratıldığı anda ağın ağırlıklarının sonuca etkisi ile ilgilidir. Bu noktada ağın rastgele değerleri yüzde bir oranında sonuç üzerinde bir etki yaratmaktadır.
Özet (Çeviri)
In this particular work, Turkish Financial Area assessed in terms of stock prices with Artificial Neural Networks (ANN). Results are based on Artificial Neural Networks prediction results. Fundamentally, artificial neural networks make it good guesses on the Turkish financial market and this master thesis point the best effective neural network structure and parameters. After this works, new neural network developers can take this master thesis as a reference. After the analysis the 4-5-1 structure is found to be the best artificial neural networks structure for the data which is the close values after the 2005. Incrementing numbers of layer is not an effective solution and decrement the performance .In addition to this, incrementing the number of neuron in the middle layer also does not help to make good guess. After detailed analysis, back propagation algorithm is found as the best learning algorithm and alpha and beta ,one of the most important parameters of this algorithms, taken the value of 0,1 for the best result. Moreover, ?Sigmoid? learning function is far better then any other learning algorithms and it?s best fit with the back propagation algorithm in all over the other learning functions. Normalization of input values is another important point and experiments shows us input values should be normalized between the values 0 and 0,9. The founded ratio in the tests between learning set and test set is 80 -20 for the best performance.
Benzer Tezler
- Yinelemeli sinir ağları ile finansal veri tahmini
Financial data prediction with recurrent neural networks
EKİN KEÇECİ
Yüksek Lisans
Türkçe
2020
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. TURHAN MENTEŞ
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY
- Financial time series prediction with lstm recurrent neural networks
Tekrarlayan yapar sinir ağları lstm ile finansal zaman serisi tahminleme
KEMAL BAYINDIR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TEVFİK AYTEKİN
- Finansal zaman serisi verilerini görüntülere kodlanarak top-luluk evrişimli sinir ağları yöntemi ile tahmin edilmesi
Encoding time-series data into images for financial forecasting using convolutional neural networks (CNN)
SHIRAZ AMADU BELLO
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA CEM KASAPBAŞI
- Borsada işlem gören sanayi şirketlerinin finansal performanslarının veri madenciliği yöntemleri ile analizi
Analysis of the financial performances of industrial companies traded on the exchange by data mining methods
ÖZGE KARAHAN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUNDA HATİCE SEZGİN