Comparison of different machine learning techniques in predicting the price movement of Borsa Istanbul Stock Market
İstanbul Borsası'nın fiyat hareketini tahmin etmek için farklı makine öğrenme tekniklerinin karşılaştırılması
- Tez No: 545454
- Danışmanlar: DOÇ. DR. NECAATTİN BARIŞÇI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Borsa fiyatlarını öngörmek, piyasanın anlaşılmaması nedeniyle daima zorlu bir iştir. Bu çalışmada, BIST100 endeksinin (Borsa İstanbul; Türkiye borsasında ilk 100 şirketin endeksi) günlük dönüş hareketini tahmin etmek için çeşitli türlerde öğrenme modelleri kullanılmıştır. Algoritma olarak; Karar ağacı (DT), Rastgele Orman (RF), K-en yakın komşu (KNN), destek vektör regresyon (SVR), çok katmanlı algılayıcı (MLP) ve uzun - kısa süreli bellek (LSTM) kullanılmıştır. Kullanılan giriş özellikleri; on adet teknik gösterge, FBIST, Euro, Dolar ve altın günlük fiyatlarını içermektedir. Toplanan veriler 2014'ten 2015'e kadar yaklaşık 18 aylık BIST100 fiyatını içermektedir. RMSE bir performans ölçütü olarak kullanılmıştır. Bir sonraki gün, iki, beş ve on gün için tahmin yapılmıştır. Diğer algoritmaların SVR modelinden daha iyi performans göstermesine rağmen, sonuçlarımız diğer tüm algoritmalar üzerinde SVR modeli için istikrarlı bir performans göstermektedir.
Özet (Çeviri)
Predicting the stock market prices is always a challenging task due to lack understanding of the market. In this study, several kinds of machine learning models are employed for predicting the daily return movement of the BIST100 index; the index of the top 100 companies in the“Borsa Istanbul”Turkey stock market. Our used algorithms include; decision tree (DT), Random Forest (RF), K-nearest neighbor (KNN), support vector regression (SVT), multi-layer perceptron (MLP) and long short-term memory (LSTM). The used input features include; ten selected technical indicators, FBIST, Euro, Dollar and gold daily prices. The collected data contains about 18 months of the BIST100 prices from 2014 to 2015. The RMSE has been used as a performance metric. The prediction was made for the next one, two, five and ten days. Our results show a stable performance for the SVR model over all the other algorithms although other algorithms outperformed the SVR model.
Benzer Tezler
- Büyük veri ve finansal piyasalarda istatistiki makine öğrenmesi metodlarının yatırım kararlarında kullanılması
Using big data and statistical machine learning methods in investment decisions in financial markets
FEHİM KURUCAN
- Borsa istanbul (BIST) hisse fiyat değişim yönünün ilişkisel borsa ağı kullanılarak tahmin edilmesi
Forecasting stock price change direction using relational stock market network on borsa Istanbul (BIST)
BİRCAN ERGÜR
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEHRA ÇATALTEPE
- Predicting stock prices in bist: A reinforcement learning and sentimental analysis approach
Pekiştirmeli derin öğrenme ve duyarlılık analizi yaklaşımı ile bıstteki hisselerin fiyatlarının tahmin edilmesi
ŞEYMA EĞE
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve Veri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Farklı katı yakıt türlerinin üst ısıl değerlerinin çoklu lineer regresyon, karar ağacı, random forest ve yapay sinir ağları yöntemleriyle belirlenmesi
Prediction of calorific value of solid fuel by multiple linear regression, decision tree, random forest and artificial neural network
KAAN BÜYÜKKANBER
Yüksek Lisans
Türkçe
2022
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HANZADE AÇMA
- Pre-release forecasting of imdb movie ratings using multi-view data
Gösterime girmemiş filmlerin ımdb puanının farklı özellik kümeleri kullanılarak tahmin edilmesi
BEYZA ÇİZMECİ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ