Makine öğrenmesi ile FOREX piyasalarında alım satım kararları uygulaması
Trading decisions application with machine learning in FOREX markets
- Tez No: 523671
- Danışmanlar: DOÇ. PINAR KAYA SAMUT
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Atılım Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilim Dalı
- Sayfa Sayısı: 112
Özet
Bu çalışmada Türk Lirası'nın ABD Doları karşısındaki döviz kurunun değişim yönünün tahmin edilmesi için çevrimiçi makine öğrenmesi kullanılarak modeller oluşturulmuş ve model başarımları FOREX piyasalarında alım-satım benzetimi ile gösterilmiştir. Modellerin eğitim sürecinde; döviz kuru zaman serisi sembolik temsile dönüştürülmekte, içinde örüntüler bulunarak örüntü bazında olasılık dağılımı çıkarılmakta ve bu olasılıklar kullanılarak kurun değişim yönü tahmin edilmektedir. Modellerin parametreleri eniyilenerek model başarımları geçerleme verisi ile alımsatım benzetimi yapılarak gösterilmiş ve başarılı sonuçlar elde edilmiştir. Alım satım benzetimi sonucunda, oluşturulan modellerin %65 ile %100 oranları arasında karla sonuçlanan işlemler yaptığı görülmüştür. Bu durum sadece geçmiş fiyat verileri kullanılarak gelecek fiyatların bir ölçüde tahmin edilebileceğini gösterdiğinden, Türk Lirası kuru piyasası için Zayıf Formda Etkin Piyasa Hipotezinin tam olarak geçerli olmadığı sonucuna varılmıştır.
Özet (Çeviri)
The present study aims to forecast the direction of change for currency exchange rate between Turkish Lira and U.S. Dollar. Online machine learning has been used to generate models and model performances has been demonstrated with FOREX market trading simulation. To generate and train the models; exchange rate time series is converted to symbolic representation, patterns are found and probability distributions are generated. Exchange rate change direction is forecasted using these probabilities. Model parameters are optimized and model performances are demonstrated by trading simulation with validation data. Successful results are achieved with profitable trade ration ranging between 65% and 100% for the generated models. This is interpreted as the market not being fully efficient in the weak form and returns can be generated by only using past price data.
Benzer Tezler
- Stock trend prediction and portfolio optimization
Hisse senedi trend tahmini ve portfoy optimizasyonu
DENİZ PEKŞEN
Yüksek Lisans
İngilizce
2022
EkonomiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. OKAN ÖRSAN ÖZENER
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY
- Derin öğrenmeyle hisse senedi değerlerinin tahmin edilmesi
Estimating stock values with deep learning
HÜSEYİN MUSTAFA METİN
Doktora
Türkçe
2024
MatematikMuğla Sıtkı Koçman Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ERDOĞAN GAVCAR
- Enriching predictive models using graph embeddings
Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi
YAREN YILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Forecasting foreign exchange rate with machine learning techniques
Makine öğrenmesi teknikleri ile kur tahmini
ROHAT KÜÇÜK
Yüksek Lisans
İngilizce
2023
EkonometriOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. FULYA GÖKALP YAVUZ