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
- Tez No: 340494
- Danışmanlar: PROF. DR. MEHPARE TİMOR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, İşletme, Computer Engineering and Computer Science and Control, Statistics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- 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
- Döviz kurunun tahmin edilmesinde istatistiksel yöntemlerin karşılaştırmalı analizi
A comparative analysis of statistical methods in forecasting exchange rates
NİMET MELİS ESENYEL
- Uzaktan algılamada ileri sınıflandırma tekniklerinin karşılaştırılması ve analizi
Comparing and analyzing of advanced classifier techniques in remote sensing
İSMAİL ÇÖLKESEN
Yüksek Lisans
Türkçe
2009
Jeodezi ve FotogrametriGebze Yüksek Teknoloji EnstitüsüJeodezi ve Fotogrametri Ana Bilim Dalı
DOÇ. DR. TAŞKIN KAVZOĞLU
- 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
- 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
2019
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. MEHMET NURULLAH ORMAN
- 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
2022
BiyoistatistikEskişehir Osmangazi ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. CENGİZ BAL