Geri Dön

Hisse senedi fiyat hareketlerinin tahmini için bir yapay sinir ağı modeli önerisi

Artifical neural network model for prediction of share movements

PDF İndir

  1. Tez No: 259479
  2. Yazar: NİLAY GÜR
  3. Danışmanlar: YRD. DOÇ. DR. DİDEM YILMAZ ÇAPKUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 116

Özet

Hisse Senedi Fiyat Hareketlerinin Tahmini için Bir Yapay Sinir Ağı Modeli Önerisi çalışması, Türk Finansal Piyasalarının hisse senedi bazındaki değerlendirmesini yaparak Yapay Sinir Ağları yöntemini temel hareket noktası olarak kabul etmiştir. Çalışmada, Türk Finansal Piyasaları için gerekli olan ağ yapısı ve parametreleri tespit edilmiş ve 11-11-1 sinir ağının başarılı bir 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 geriye doğru yayılım algoritması seçilmiş, öğrenme oranı ve momentum katsayısı değerleri? 0.1 değerini aldığında sinir ağının performansının en iyi sonuca ulaştığı görülmüştür. Öğrenim fonksiyonları arasında geriye doğru türevlenebilirliği açısından öğrenim fonksiyonlarından ayrılan ?sigmoid? fonksiyonunun performansına bakılmış ancak ?hiperbolik tanjant? fonksiyonunun daha üstün performans gösterdiği tespit edilmiştir. Girdi değerlerinin normalizasyonu yapılırken aktivasyon fonksiyonunun kullanılabilmesi için [0,1] aralığı kullanılmıştır. Modelin geliştirilmesi sırasında çıktı değişkeninin t zamandaki değerinin, girdi değişkenlerinin ise t-1 zamandaki değerlerinden etkileneceği göz önüne alınmış ve ağın performansının artması için girdi veri setinde değişkenlerin günlük değerleri birer gün atlanarak eğitim ve test kümelerinde yer alacak veriler belirlenmiştir. Bu uygulamalar doğrultusunda 04 Ocak 1999 ? 31 Aralık 2008 yılları arasında İMKB 30'da yer alan (AKBNK, ARCLK, DOHOL, DYHOL, EREGL, FINBN, GARAN, HURGZ, ISCTR) hisse senedi fiyatlarının öngörüsü seans bazında yapılmıştır. 1. seans hisse senedi fiyat öngörüleri ortalama olarak % 2,84; 2. seans hisse senedi fiyat öngörüleri ise ortalama olarak % 3,50 mutlak hata oranı ile tahmin edilebilmiştir.

Özet (Çeviri)

This thesis report consists of an assessment for Turkish Financial Area by making use of Artificial Neural Networks (ANN) technique in terms of stock prices. Mentioned results are based on the ANN predictions. Since ANN makes accurate predictions on the Turkish financial market from a fundamental point of view, required network structure and parameters for Turkish financial markets are tried to be identified and it has been figured out that 11-11-1 neural network has a successful performance. Making use of greater number of layers instead of three has deteriorated the performance of neural network. Moreover, no improvement has been provided by incrementing the number of neurons in the center layer, either. Back propagation has been chosen as the learning algorithm of the neural network and it has been figured out that the situation of learning and momentum coefficient is being equal to 0.1 provides the best result. Although the performance of ?sigmoid? function which is unique apart from the other learning algorithms has been considered, it has been determined that ?hyperbolic tangent? function has a better performance. In order to use the activation function while normalizing the input values, [0,1] interval has been used. Regarding that effective time duration for output would be ?t?, whereas ?t-1? for input values during the development of model, and the daily values of each variable in the input data set has been skipped for one day in order to have a better performance, thus required data for training and test samples has been determined. In accordance with the mentioned applications, the expectations for stock prices that are in IMKB 30 (AKBNK, ARCLK, DOHOL, DYHOL, EREGL, FINBN, GARAN, HURGZ, ISCTR) between 04.Jan.?99 and 31.Dec.?08 has been set in terms of séances. As a result, the expectation for the first séance stock prices has been predicted by 2,84% absolute bias in average, whereas the second séance has 3,50 %.

Benzer Tezler

  1. Tez No

    438730

    Iraqi Stock Market forecasting using artificial neural network

    Yapay sinir ağını kullanarak Irak Borsası tahmini

    ARAF AL YOZBAKEE

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilim ve TeknolojiTürk Hava Kurumu Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. Abdellatif BABA

  2. Tez No

    593327

    Hisse senedi fiyat hareketlerinin tahmini için makine öğrenim teknikleri ile derinlik ve teknik analizi entegre eden hibrit ve güvenilir bir yöntem

    A hybrid and reliable method integrating depth and technical analysis with machine learning techniques for predicting stock prices

    SEÇİL TABUROĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FUAT AKAL

  3. Tez No

    855982

    Sign predictability of intraday price returns to formulate appropriate trading strategies with optimum set of equities

    Optimum hisse senedi kümesi ile uygun işlem stratejileri oluşturmak için gün içi fiyat getirilerinin işaret tahmin edilebilirliği

    ABDURRAHMAN KILIÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Ekonometriİstanbul Teknik Üniversitesi

    İktisat (İngilizce) Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU

  4. Tez No

    406272

    Dalgacık dönüşümü kullanılarak hisse senedi fiyat tahmini üzerine bir uygulama

    An application on stock price prediction with neural network by using wavelet transform

    HASAN AYKUT KARABOĞA

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    EkonometriYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. İBRAHİM DEMİR

  5. Tez No

    839401

    Dalgacık dönüşümü ve derin öğrenme yöntemleri ile hisse senedi fiyat tahmini

    Stock price prediction with wavelet transform and deep learning methods

    ÇAĞRI ÇOBAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    EkonometriAydın Adnan Menderes Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. ELVAN HAYAT

Geri Dön