Geri Dön

Yapay sinir ağları ve destek vektör makineleri yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Borsa endeks yönünün tahmini üzerine bir uygulama

Classification performance comparison of artificial neural networks andsupport vector machines methods: An empirical study on predicting stockmarket index movement direction

  1. Tez No: 340494
  2. Yazar: ŞENOL EMİR
  3. Danışmanlar: PROF. DR. MEHPARE TİMOR
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, İşletme, Computer Engineering and Computer Science and Control, Statistics, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Sayısal Yöntemler Bilim Dalı
  13. Sayfa Sayısı: 257

Özet

Bu tez çalışmasında, makine öğrenmesi yöntemlerinden olan Yapay Sinir Ağları ve Destek Vektör Makineleri incelenmiştir. Bu yöntemlerin İstanbul Menkul Kıymetler Borsası Ulusal 100 Endeksi?nin yön tahmininde kullanılabilirlikleri araştırılmıştır. Analizde 2005-2011 dönemine ait sırasıyla teknik göstergeler, borsaların endeks değişim oranları ve makroekonomik göstergelerden oluşan veri kümelerinin yön tahmininde gösterdikleri performanslar karşılaştırılmıştır. Sonuçlar incelendiğinde teknik göstergelerin diğer değişkenlere göre daha iyi performans gösterdiği belirlenmiştir. Daha sonra bu veri kümelerinin bir araya getirilmiş hali üzerinde öznitelik seçimi yapılarak yön tahmininin en az sayıdaki değişkenle en doğru şekilde yapılmasını sağlayacak veri kümesi oluşturulmuştur. Tüm analizlerde Yapay Sinir Ağları, Destek Vektör Makineleri?ne göre daha iyi sonuçlar vermiştir.

Özet (Çeviri)

In this thesis study, Artificial Neural Networks and Support Vector Machines which are machine learning methods were examined. Usability of these methods for the prediction of Istanbul Stock Exchange (ISE) National 100 Index movement direction was investigated. In analysis, performances of the 2005?2011 period data sets containing technical indicators, rate of change of stock market indices and macroeconomic indicators were compared. The results showed that technical variables give better performances than other variables. Later, a dataset which predicts the stock movement direction most accurately with minimum number of variables was formed by feature selection on combined data sets. Artificial Neural Networks gave better results than Support Vector Machines for all analyzes.

Benzer Tezler

  1. Döviz kurunun tahmin edilmesinde istatistiksel yöntemlerin karşılaştırmalı analizi

    A comparative analysis of statistical methods in forecasting exchange rates

    NİMET MELİS ESENYEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Ekonometriİstanbul Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. MELDA AKIN

  2. Uzaktan algılamada ileri sınıflandırma tekniklerinin karşılaştırılması ve analizi

    Comparing and analyzing of advanced classifier techniques in remote sensing

    İSMAİL ÇÖLKESEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Jeodezi ve FotogrametriGebze Yüksek Teknoloji Enstitüsü

    Jeodezi ve Fotogrametri Ana Bilim Dalı

    DOÇ. DR. TAŞKIN KAVZOĞLU

  3. Borsa endeksi hareket yönünün tahmininde sınıflandırma yöntemlerinin performanslarının karşılaştırılması: BİST 100 örneği

    Performance comparison of classification techniques in stock exchange index direction movement prediction: the case of BIST 100

    İSMAİL KARA

    Doktora

    Türkçe

    Türkçe

    2019

    İşletmeAfyon Kocatepe Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. FATİH ECER

  4. Ses iletim hızıyla akciğer hastalıklarının teşhisinde makine öğrenimi yöntemlerinin performanslarının karşılaştırılması

    Comparison of the performances of machine learning methods in the diagnosis of pulmonary diseases with a voice transmission speed

    HÜSEYİN CANDAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    BiyoistatistikEge Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    PROF. DR. MEHMET NURULLAH ORMAN

  5. Kronik hepatit C hastalığı risk belirlenmesinde sıralı lojistik regresyon ve makine öğrenme algoritmalarının sınıflama performansının karşılaştırılması

    Comparison of classification performance of ordinal logistic regression and machine learning algorithms for risk determination of chronic hepatitis C disease

    ALİ VASFİ AĞLARCI

    Doktora

    Türkçe

    Türkçe

    2022

    BiyoistatistikEskişehir Osmangazi Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    DOÇ. DR. CENGİZ BAL