Geri Dön

Artificial neural network based decisive prediction models on high frequency financial data

Yüksek frekanslı mali piyasa verileri üzerinde yapay sinir ağı tabanlı karar verici tahmin modelleri

  1. Tez No: 490330
  2. Yazar: ADİL GÜRSEL KARAÇOR
  3. Danışmanlar: DOÇ. DR. TURAN ERMAN ERKAN
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Yüksek frekanslı mali piyasa verilerinin tahmin edilmeleri ve modellenmeleri, tamamen imkansız olmasa da, stokastik prosesler ve çok sayıda rastgele faktör araya girdiğinden, çok zordur. Bu çalışmada; mali zaman serisi tahmini ve karar alınmasına yardımcı, yeni bir Yapay Zeka modeli tasarlanmış ve geliştirilmiştir. Döviz çiftlerinin tahmin başarı yüzdelerinin artırılması iki şekilde irdelenmiştir: ilk olarak mühendislik tasarımlarıyla tahmin modellerinin ortaya çıkmasını sağlayacak metodolojinin kullanımı ile, kaos teorisi ve fiyat grafiklerinin görsel özelliklerinin devreye sokulması, ikinci olarak da en güncel ve güçlü yöntemlerin kullanılması. Görsel özellikleri kullanan yaklaşımda, aynı Yapay Görmedeki gibi, yoğunluk bölgeleri ile birlikte şekli tanımlayan yüksek ve düşük fiyat değerlerinden faydalanılmaktadır. Modellemede esas olarak Yapay Sinir Ağları uygulanmakta olup; diğer popüler yöntemlerden, İleri Gradyant Artırımı ve Destek Vektör Makinesi de karşılaştırma amaçlı olarak kullanılmıştır. Tasarlanan system ayrıca yazılımla gerçek zamanlı alım-satım robotu olarak da kodlanmıştır. Testler ve simulasyonlarda tatmin edici sonuçlar elde edilmiştir.

Özet (Çeviri)

High frequency financial data are somewhat hard to model or predict, if not totally impossible, as stochastic processes and many other random factors are involved. In this thesis; a novel Artificial Intelligence model is designed and developed for financial time series prediction and decision making. Possibility to enhance prediction accuracy for foreign exchange rates is investigated in two ways: first applying an outside the box approach by bringing about methodology and techniques to facilitate the use of predictive models in engineering design to model price graphs by exploiting their visual properties together with principles of chaos theory, and secondly employing the most efficient methods to detect patterns to classify the direction of movement. The approach that exploits the visual properties of price graphs makes use of density regions along with high and low values describing the shape just as in Machine Vision. Mainly Artificial Neural Networks are used in modeling. However, other state-of-the-art methods; Extreme Gradient Boosting and Support Vector Machine are too used for comparison. The designed system is also software coded as a real-time trading robot. Comparable prediction results and profits are achieved in tests and simulations.

Benzer Tezler

  1. Kardiyotoksisite öngörüsünde açıklanabilir derin öğrenme: HERG kanal blokajının tahmini ve analizi

    Explainable deep learning in cardiotoxicity prediction: Estimation and analysis of HERG channel blockage

    TUBA SEYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Farmasötik ToksikolojiSakarya Uygulamalı Bilimler Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED ALİ PALA

  2. Farklı çikolataların reolojik, tekstürel, duyusal özelliklerinin ve diğer bazı kalite kriterlerinin yapay sinir ağları ile tahminlenmesi

    Prediction of rheological, textural, sensory properties and some other quality criteria of different chocolates using artificial neural networks

    NURCANAN AYDIN

    Doktora

    Türkçe

    Türkçe

    2026

    Gıda Mühendisliğiİstanbul Teknik Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. FİLİZ ALTAY

  3. Yapay zeka alt dalları ve uygulama alanları: BIST 100 tahmini için geleneksel ve yapay zeka yöntemlerine uygulanabilir üç katmanlı zenginleştirici bir yapay öğrenme katmanı–TriNet-Fin

    Artificial intelligence subfields and application domains: A three-layered enriching artificial learning architecture for BIST 100 forecasting via traditional and AI-based methods–TriNet-Fin

    HÜSEYİN İŞCAN

    Doktora

    Türkçe

    Türkçe

    2025

    EkonomiSüleyman Demirel Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. AYŞE DURGUN KAYGISIZ

  4. Türkiye'de enflasyon oranının yapay zekâ ile tahmini: Makine öğrenmesi ve derin öğrenme yöntemlerinin karşılaştırılması

    Forecasting of inflation rate with artificial intelligence in Türkiye: Comparison of machine learning and deep learning methods

    YUNUS EDİZ

    Doktora

    Türkçe

    Türkçe

    2026

    EkonometriManisa Celal Bayar Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. İLKAY DİLBER

  5. Türkiye elektrik enerjisi talebinin yapay sinir ağları modeli ile tahmini

    Neural network model of turkey with electricity demand forecast

    GİZEM ÖZAYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İşletmeİzmir Katip Çelebi Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BERNA TEKTAŞ SİVRİKAYA