Geri Dön

A stock trading application using deep learning

Derin öğrenme yöntemi ile hisse alım satım uygulaması

  1. Tez No: 510019
  2. Yazar: HÜSEYİN SERCAN KARAOĞLU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN AYVAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 47

Özet

Alım-Satım sinyalleri için kullanılan eksper sistemler son zamanlarda çok önemli bir araştırma konusu oldu. Finansal Piyasalarda yatırımcıların en büyük problemi doğru zamanda alıp-satmaktır. Çoğu zaman karar aşamasında, yatırımcının duyguları önemli roller oynar ve yatırımcının performansını olumsuz yönde etkileyebilir. Dolayısıyla bu problemi aşmak için yatırımcılar alım-satım kararlarına yardımcı sistematik modeller geliştirmiştir. Ancak bu sistemler zaman zaman piyasanın dinamizmine cevap veremeyebilir. Finansal piyasalar oldukça dinamik oldukları için bu algoritmik sistemlerin de zaman içinde evrilebilmesi, ilişkileri öğrenebilmesi gerekmektedir. Bu çalışmada alım satım sinyallerini tespit etmek için dinamik eşik değer seçimine dayalı geliştirilen çözümlere bir uzantı olarak yeni bir yaklaşım öneriyoruz, üç farklı kural-tabanlı sistemi baz alarak, öğrenen algoritmalardan bir tanesi olan yapay sinir ağlarının yardımıyla, yeni bir sistem inşa ettik. Bu yeni modelde, enstrumanın datasının lineer segmentasyonlara ayırma yöntemiyle yapay sinir ağımızın girdileri ile ilişki kurmasını sağladık. Amacımız datanın içindeki gizli bilgiyi işleyip modelin tahmin üretmesini sağlamak ve model dahilinde bellirli bir aralığı aşan aşırı piyasa hareketlerini yakalayıp sinyal üreten bir sistem geliştirmekti. Bunun için GARCH(1,1)'i kullanarak yeni bir eksponensiyal yumuşatma tekniği geliştirdik ve modelin kullandığı datanın bir ötesi için beklenen aralığı belirledik. Bu sistem dahilinde, alım-satım sinyalleri BIST-30 için en yakın vade kontratının 5 dakikalık verisi için üretildi. Bu çalışma ile geliştirilmeye açık çok olumlu sonuçlar elde ettik.

Özet (Çeviri)

Expert Systems for trading signal detection has become a hot topic in recent years. Investors' main concern is determining the best time to buy or sell the stock. Most of the time emotions can play important role and affects investors' performance. Therefore, investors and researchers developed systematic models to reduce emotion affect on trading decisions. However, using algorithmic systems brings another problem like“lack of dynamism”. Because financial markets are so dynamic, trading robots should learn and adapt just like human traders. We propose an approach as an extension to the state-of-art solution developed for detecting trading signals based on a dynamic threshold selection. We adopt three different rule based systems and illustrates another strategy on top of them by using neural network learning algorithm. We develop our model using Piecewise Linear Representation and Artificial Neural Network. Artificial Neural Network learns the connection weights of subsystems according to Piecewise Linear Representation of Asset Data. Our concern is to identify possible excessive movements hidden in the recent data. We develop new exponential smoothing technique by applying GARCH(1,1) 1-step ahead volatility forecast. And we apply it on our model to generate trading signals threshold. Trading signals are produced using 5 minute data of front month contract of BIST-30. This research shows successful results and open for further improvements.

Benzer Tezler

  1. Optimizing deep reinforcement learning models in stock trading through hyperparameter tuning

    Hiperparametre ayarlama ile hisse senedi ticaretinde derin pekiştirmeli öğrenme modellerini optimize etme

    ÖMER FIRAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TARKAN AYDIN

  2. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

  3. Hisse senedi alım satımında parçacık sürü optimizasyonu tabanlı CNN-LSTM ağlarının kullanılması

    Using particle swarm optimization-based CNN-LSTM networks in stock trading

    AHMET BEDİRHAN SAĞIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNA APAK

  4. Zaman serileri tahmininde tekrarlayan sinir ağlarının etkinliğinin incelenmesi

    Investigation of the effectiveness of recurrent neural networks in the time series prediction

    KÜBRA KESKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EkonometriSüleyman Demirel Üniversitesi

    Ekonometri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGE GÜNDOĞDU

  5. Derin öğrenme ve makine öğrenmesi yöntemleriyle borsa alım satım davranışlarının modellenmesi

    Modeling trading behaviours with deep learning and machine learning methods in stock exchange markets

    AFAN HASAN

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OYA KALIPSIZ