Multiresolution analysis of S&P500 time series
S&P500 zaman serisinin çoklu çözünürlük analizi
- Tez No: 409125
- Danışmanlar: DOÇ. DR. ÖMÜR UĞUR
- Tez Türü: Yüksek Lisans
- Konular: Maliye, Matematik, İstatistik, Finance, Mathematics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Finansal Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 200
Özet
Zaman serisi analizi hemen hemen tüm bilim ve mühendislik problemleri ile uğraşan kişiler için gerekli bir araştırma alanıdır. Temel amacı zaman uzayı ve aynı zamanda frekans uzayı analizini kullanarak zaman serisinin altında yatan özelliklerini anlamaktır. Sonrasında, zaman serisinin ileriye dönük verileri tahmin edilebilir. Zaman serisi modellemesi, frekans uzayı analizi ve bazı tanımlayıcı istatiksel analizler bu tezin ana konularıdır. Uygun bir model seçmek, iyi bir tahminleme yapabilmek için analizin ana odağını oluşturmaktadır. Bu çalışmada finansal zaman serileri üzerine odaklanılmıştır ve özellikler S&P500 günlük kapanış fiyatları ve getiri değerleri ele alınmıştır. Fourier dönüşümü ve dalgacık dönüşümü frekans analizinin merkezini oluşturmaktadır. Finansal zaman serilerinin, yeterli düzeyde geleceği tahmin etmek için karmaşık veri setleri olduğu bilindiği için, bu çalışmada S&P500 verisinin özelliklerini ortaya çıkarmak için dalgacık dönüşümleri kullanılarak çoklu çözünürlük analizi ele alınmıştır. Aynı zamanda, finansal zaman serileri için uygun olan modeller uygulama kısmında tartışılmıştır.
Özet (Çeviri)
Time series analysis is an essential research area for almost all people who are dealing with scientific and engineering problems. Main aim is to understand the underlying characteristics of the time series by using time as well as frequency domain analyses. Then one can make a prediction for the desired system to forecast observations ahead. Time series modeling, frequency domain analysis and some descriptive statistical analysis are main subjects of this thesis. Choosing an appropriate model is the main focus of all analysis in order to make a good prediction. In this thesis financial time series are focused, particularly S&P500 daily closing prices and it's return values are handled. Fourier transform and wavelet transform are creatively at the center of the frequency domain analysis. Knowing the fact that financial time series are complex data sets to sufficiently predict the future, multiresolution analysis is handled in this thesis using the wavelet transforms to figure out specialties of S&P500 data. Also, apparently, models that are appropriate for the financial time series are discussed in the application part.
Benzer Tezler
- Hybrid wavelet-neural network models for time series data
Zaman serisi verileri için hibrit dalgacık-sinir ağı modelleri
DENİZ KENAN KILIÇ
Doktora
İngilizce
2021
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı
PROF. DR. ÖMÜR UĞUR
- Elektrik motorlarında dalgacık analizi yaklaşımı ile rulman arıza tanısı ve yapay zeka tabanlı bir durum izleme sistemi
Bearing fault diagnosis with the approach of wavelet analysis and a condition monitoring system based on artificial intelligence in electric motors
EMİNE AYAZ
Doktora
Türkçe
2002
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT ŞEKER
- Dalgacıklar ve elektrik mühendisliğindeki uygulamaları
Wavelets and application to electrical engineering
EMİNE AYAZ
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Tesisleri Ana Bilim Dalı
PROF. DR. ÖZER ÇİFTÇİOĞLU
- Efficient analysis of large-scale social networks using big-data platforms
Büyük ölçekli sosyal ağların büyük veri platformu kullanarak etkin analizi
HİDAYET AKSU
Doktora
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM KÖRPEOĞLU
- Multi-sensor fusion for induction motor aging analysis and fault diagnosis
Başlık çevirisi yok
ALİ SEYFETTİN ERBAY
Doktora
İngilizce
1999
Elektrik ve Elektronik MühendisliğiThe University of TennesseeDR. BELLE R. UPADHYAYA