Geri Dön

Multiresolution analysis of S&P500 time series

S&P500 zaman serisinin çoklu çözünürlük analizi

  1. Tez No: 409125
  2. Yazar: DENİZ KENAN KILIÇ
  3. Danışmanlar: DOÇ. DR. ÖMÜR UĞUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Maliye, Matematik, İstatistik, Finance, Mathematics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Uygulamalı Matematik Enstitüsü
  11. Ana Bilim Dalı: Finansal Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Hybrid wavelet-neural network models for time series data

    Zaman serisi verileri için hibrit dalgacık-sinir ağı modelleri

    DENİZ KENAN KILIÇ

    Doktora

    İngilizce

    İngilizce

    2021

    Bilim ve TeknolojiOrta Doğu Teknik Üniversitesi

    Finansal Matematik Ana Bilim Dalı

    PROF. DR. ÖMÜR UĞUR

  2. 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

    Türkçe

    2002

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERHAT ŞEKER

  3. Dalgacıklar ve elektrik mühendisliğindeki uygulamaları

    Wavelets and application to electrical engineering

    EMİNE AYAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Tesisleri Ana Bilim Dalı

    PROF. DR. ÖZER ÇİFTÇİOĞLU

  4. 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

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İBRAHİM KÖRPEOĞLU