Financial time series prediction with lstm recurrent neural networks
Tekrarlayan yapar sinir ağları lstm ile finansal zaman serisi tahminleme
- Tez No: 467547
- Danışmanlar: YRD. DOÇ. DR. TEVFİK AYTEKİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Yıllardır finansal piyasaların tahminlenmesi yatırımcılar içinde, spekülatörler içinde vazgeçilmez bir kar amacı olarak görüldü. Yatırımcı bu yöntem ile yatırımını karlı bir hale getirmek isterken, spekülatör ise piyasa hareketlerini öngörmek için bir görev başlatarak piyasalardan kar sağlamaya çalışıyor. Bu süreçte her iki tarafında kar sağlaması için bir çok yöntem ve teknik geliştirilmiştir. Geliştirilen bu yöntemler arasında teknik analiz büyük bir öneme sahiptir. İster profesyonel olsun, ister amatör, tüm yatırımcılar tarafından kullanılır ve kabul görür. Diğer bir gelişme ise, bilgi işleme yetenekleri açısından bilgisarlardaki donanımsal gelişimin tetiklediği, yapay sinir ağları gibi, girdi olarak sunulan finansal veri üzerinden karmaşık ve insanların göremeyeceği trendleri öğrenerek, gelecek durum ve olaylar konusunda tahmin yapan yapıların ortaya çıkmasıdır. Bu kapsamda tez çalışmalarında, diğer bir NN mimarisi olan Recurrent Neural Network sisteminin alt implementasyonarından birisi olan ve zaman serileri ile çalışmaya en uygunlardan birisi olan, LSTM aracılığı deneyler yapılmıştır. Yine bu çalışmalar, Efficent Market hipotezinden veya teknik analizlerde yapılan değerlendirmelerden yola çıkarak, geçmiş veriler aracılığı ile trend hakkında fikir edinebileceği savına dayanmaktadır. Ve bu kavrama dayanarak para piyasaları üzerinde tahminleme çalışmaları yapılmıştır. Bu süreçte çalışma, coğrafik, ekonomik veya dış etkenlerin müdahelesi ve etkisi açısından, dinamikleri diğer para piyasalarına göre çok daha fazla değişken olan, ve tüm bu etkenlere bakıldığında öngörülemez olarak düşünülen Türk Lirası üzerinde yapılmıştır. Model oluşturma veya tahminleme süreçlerinde veri olarak sadece USD/TRY para piyasası verileri kullanılarak saf veri kuralı korunmuştur.
Özet (Çeviri)
For years, the prediction of financial markets has been regarded as an indispensable profit goal for investors. While the investor wants to make his investment profitable with this method, the speculator is trying to make profits from the markets by initiating a task to predict the market movements. In this process, many methods and techniques have been developed for profit on both sides. Among these methods developed, technical analysis has a great proposition. Whether professional or amateur, it is used and accepted by all investors. Another development is the emergence of structures that anticipate future situations and events, such as artificial neural networks triggered by computer hardware development in terms of information processing capabilities, by learning the complex and invisible trends of the financial data presented as input. In this context, experiments were carried out through LSTM which is one of the sub-implementations of Recurrent Neural Network system which is another NN architecture and which is the most suitable to work with time series. Again, these studies are based on the assertion that the Efficient Market hypothesis, or from the evaluations made in the technical analysis, can provide insight into the trend through past data. And based on this concept, estimations have been made on money markets. In this process, the study was carried out on the Turkish Lira, which is considered to be unpredictable in terms of intervention and influence of geographical, economic or external factors, whose dynamics are much more variable than other money markets and all these factors are considered. In the modelling or forecasting process pure data allegations were preserved using only USD / TRY money market data as data.
Benzer Tezler
- Hisse senedi fiyat tahmininde otokodlayıcı ve graf evrişimli ağının uygulanması
Application of autoencoder and graph convolutional network in stock price prediction
MAHMUT LUTFULLAH ÖZBİLEN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
- Yinelemeli sinir ağları ile sermaye piyasası yön tahmini üzerine bir çalışma
A study on direction prediction of capital markets with recurrent neural networks
MUHİDDİN ÇAĞLAR EREN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Dalgacık dönüşümü ve derin öğrenme yöntemleri ile hisse senedi fiyat tahmini
Stock price prediction with wavelet transform and deep learning methods
ÇAĞRI ÇOBAN
Yüksek Lisans
Türkçe
2023
EkonometriAydın Adnan Menderes ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. ELVAN HAYAT
- Uzun kısa süreli bellek ile altın fiyatı tahmini
Gold price forecasting using long short-term memory
SİNA BİRECİK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY ÖKE GÜNEL
- Prediction of transaction counts in correspondent banking using neural networks
Muhabir bankacılıkta işlem sayılarının sinir ağları kullanılarak tahmin edilmesi
FAZIL CÜNEYT CÜCÜ
Yüksek Lisans
İngilizce
2022
BankacılıkBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR