Destek vektör makineleri ile hibrid modelleme: Menkul kıymet getirilerindeki volatilitenin tahminlenmesi
Hybrid modelling using support vector machines: Forecasting volatility of stock returns
- Tez No: 350109
- Danışmanlar: PROF. DR. M. ERDAL BALABAN
- Tez Türü: Doktora
- Konular: İşletme, 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: 176
Özet
Ampirik risk minimizasyonu (ARM) ilkesi yerine yapısal risk minimizasyonu (YRM) ilkesini kullanmak suretiyle az sayıda gözlem noktası içeren, yüksek boyutluluğa sahip ve doğrusal olmayan problemlerin çözümünde etkili olan Destek Vektör Makineleri (DVM), ilk geliştirilme nedeni olan örüntü tanıma probleminden regresyon kestirim problemine kadar tüm alanlarda, dikkate değer genelleme kabiliyeti nedeniyle gittikçe ilgi uyandırmaktadır.Bu çalışmada, DVM'nin bu olağan üstü özellikleri ile güçlü bir teorik altyapıya sahip diğer yaklaşımların hibritlenmesi amaçlanmıştır. Amaca paralel olarak, GARCH ve EGARCH modelleri, Kantil Regresyon yaklaşımı ve faz uzayının yeniden yapılandırılması yaklaşımı kullanılarak, bazı hibrit modeller oluşturulmuştur. Oluşturulan hibrit modellerin tahminleme performansları, İMKB 100 endeks verisi kullanılarak test edilmiştir.Sonuç olarak, DVM'ye dayalı modellerin klasik GARCH ve EGARCH modellerine göre daha iyi sonuçlar verdiği gösterilmiştir.
Özet (Çeviri)
Support Vector Machine (SVM), which can solve small-sample, non-linear and high dimensional problems by using structural risk minimization (SRM) instead of emprical risk minimization (ERM), has been receiving increasing interest in areas ranging from its original application in pattern recognition to other applications such as regression estimation due to its remarkable generalization performance.In this study, hybridization between SVM?s remarkable properties and the approaches which have strong theoretical background is aimed. In parallel with this aim, by using GARCH and EGARCH models, Quantile Regression approach, and finally reconstruction phase space approach, some hybrid models are built. Forecasting performance of the hybrid models are tested using ISE 100 Index data.As a result, it is shown that the models based on DVM outperform the classical GARCH and EGARCH models.
Benzer Tezler
- Yapay zeka modeliyle genişletilmiş hibrit black-litterman model önerisi, Borsa İstanbul Bist-30 Endeks endeks verileri ile test edilmesi
Extension with artificial intelligence model for hybrid black-litterman model proposal and testing on Istanbul Stock Exchange Bist-30 index data
MAHMUT KARA
- Otomatik para çekme makinelerinde (ATM) nakit para yönetimi için optimizasyon yaklaşımlarının geliştirilmesi
Development of optimization approaches for cash management in automatic teller machi̇nes (ATM)
ALİ TUNÇ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Dengesiz veri kümeleri için yenilikçi bir hibrit yaklaşım: IQCM metodolojisi ve karşılaştırmalı performans analizi
An innovative hybrid approach for imbalanced datasets: IQCM methodology and comparative performance analysis
MUSTAFA YAVAŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYSUN GÜRAN
- Örneklem tabanlı gürbüz konuşma tanıma
Exemplar based noise robust speech recognition
FATİH AKTÜRK
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU
- Scoring of CERbB2 tumors in breast cancer by pathological image analysis
Patolojik görüntü analizi ile meme kanserinde CERbB2 tümörlerinin skor değerlerinin belirlenmesi
GÖZDE AYŞE TATAROĞLU
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN