Algorithmic trading strategies using dynamic mode decomposition: Applied to Turkish stock market
Dinamik mod ayrışımı kullanarak algoritmik ticaret stratejileri: Türk hisse senedi piyasasına uygulaması
- Tez No: 464971
- Danışmanlar: DOÇ. DR. YELİZ YOLCU OKUR
- Tez Türü: Yüksek Lisans
- Konular: Maliye, Matematik, Finance, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Finansal Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Algoritmik ticaretin önemi modern finans dünyasında gün geçtikçe artmaktadır. Her yıl, algoritmik ticaretin ticaret hacmindeki payı artmakta ve modern ticaretin önemli bir parçası haline gelmektedir. Bu çalışmada dinamik mod ayrışımı kullanan bir algoritmik ticaret stratejisi geliştireceğiz. Dinamik mod ayrışımı, dinamik sistemleri zaman dinamiği bilenen daha küçük kerteli yapılara ayırarak karakterize eden, denklemsiz bir veri analiz metodudur. Metot bu yapılar sayesinde finansal tahmin yapmamıza imkan vermektedir. Metodun tahmin yeteneğini geliştirmek için genetik algoritma ile optimize edilmis¸ tamamlayıcı bir finansal teknik analiz stratejisi kullanılmıştır. Bu sayede dinamik mod ayrışımı kullanan algoritmik ticaret stratejileri geliştirilmiştir. Sonuç olarak, dinamik mod ayrışımı hisse senedi piyasalarını analiz edebilecek uygun bir metottur.
Özet (Çeviri)
Algorithmic trading schemes are growing of importance in modern financial world. Each year, increasing proportion of the total trading volume is handled by algorithmic trading systems and they have become a fundamental element of modern day trading. We demonstrate the application of an algorithmic trading strategy using dynamic mode decomposition and genetic algorithm. The dynamic mode decomposition is a data analysis tool which is capable of characterizing the dynamical systems in an equation free manner by decomposing the system into low-rank structures, dynamic modes, whose temporal evolution is known. The method enables financial market prediction using dynamic modes. In order to improve the prediction success of the method, we use a complementary technical analysis tool which is optimized with genetic algorithm. We are able to build algorithmic trading strategies using dynamic mode decomposition and test them in Turkish stock market. We conclude that dynamic mode decomposition is a capable method to analyze stock markets.
Benzer Tezler
- Deniz ticaret endekslerini zaman serisi modelleri kullanarak tahminleme
Forecasting maritime trade indexes by using the time series models
KAAN KOYUNCU
Doktora
Türkçe
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. LEYLA TAVACIOĞLU
- Finansal piyasalarda algoritmik işlem stratejilerinin geliştirilmesi
Development of algorithmic trading strategies in financial markets
MERTCAN KURTÇU
Yüksek Lisans
Türkçe
2025
Aktüerya BilimleriHacettepe ÜniversitesiAktüerya Bilimleri Ana Bilim Dalı
DOÇ. DR. UĞUR KARABEY
- Enhancing financial market forecasting using deep learning and computer vision-based technical analysis
Derin öğrenme ve bilgisayarlı görü tabanlı teknik analiz kullanarak finansal piyasa tahminlerinin geliştirilmesi
EDREES RAMADAN MERSAL MORCELI
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. HAKAN KUTUCU
- Fine tuning technical analysis models using evolutionary algorithms
Evrimsel algoritmalar kullanan teknik analiz modellerinde ince ayar
ALİ TAHERİ MOGHADDAR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. SERHAT ÖZEKES
- Genelleştırilmiş toplamsal modeller ile Bitcoin için yön analizi
Directional analysis of Bitcoin using generalized additive models
İLAYDA ARIKAN
Yüksek Lisans
Türkçe
2024
EkonomiHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SERPİL AKTAŞ ALTUNAY