Geri Dön

Finansal oranlı yapay sinir ağı modeli ile hisse değeri değişimi tahmini

Stock price forecasting with a financial ratio based neural network algorithm

  1. Tez No: 592541
  2. Yazar: MUSTAFA TANYER
  3. Danışmanlar: DOÇ. DR. AHMET SARUCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 68

Özet

Hisse senedi değerinin tahmin edilmesi, ekonomi piyasalarının barındırdığı belirsizlik, kaotik yapı ve gürültü nedeniyle oldukça güçtür. Ayrıca hisse senedi değerleri üzerindeki siyasi gelişmeler, ekonomik kırılganlıklar, küresel etkiler, teknolojik gelişmeler ve yatırımcı tercihleri gibi birçok faktörün etkisi de, değer tahminlerini oldukça zorlaştırmaktadır. Ancak bu alanda iyi bir tahmin modeli geliştirmenin zorlukları sebebiyle meydan okuyucu doğası, başarılı bir modelin maddi getiriye somut katkısı gibi nedenler problemi araştırmacılar için bir o kadar da çekici kılmaktadır. Çok kaynaktan veri akışı olan borsa gibi kaotik ortamlarda geleceğe dönük tahminler üretmede makine öğrenme algoritmalarının başarılı oldukları bilinmektedir. Bu çalışmada ise Borsa İstanbul'da işlem gören farklı kriterlere göre seçilmiş üç hisse senedinin değer tahmini geliştirilen Yapay Sinir Ağı modeli ile Destek Vektör Makineleri, Lojistik Regresyon, Rasgele Orman ve Naive Bayes Sınıflandırıcı makine öğrenmesi algoritmaları kullanılarak ele alınmış ve performansları kıyaslanmıştır. Şirket performanslarını değerlendirmede sıklıkla kullanılan 18 finansal oran ve 102 diğer bağımsız değişken girdi olarak kullanılarak 2009-2018 dönemi aylık hisse senedi getiri oranları sınıflandırılarak tahmin edilmiştir. Yapılan analizler önerilen yapay sinir ağı algoritmasının belirlenen değişkenlerle ve dönemde diğer algoritmalara alternatif olarak kullanılabilecek bir sınıflandırıcı olduğunu göstermiştir.

Özet (Çeviri)

Forecasting stock prices is quite difficult due to uncertainty, chaotic nature and noise in financial markets. The aggregated impact of factors such as political instabilities, financial fragility, international financial integrity, technological developments and change in investor risk preferences make the estimation of stock prices harder. However, the challenge of developing a good estimation model in such an environment, the positive contribution of a successful model to the return of investment make the problem attractive for researchers. It is known that machine learning algorithms are useful in generating predictions in such chaotic environments as stock market, which have multiple sources of data flow. In this study, three stocks traded in Borsa İstanbul are selected according to different criteria and price estimation performances of proposed Artificial Neural Network model together with known Support Vector Machines, Logistic Regression, Random Forest and Naive Bayes Classifier machine learning algorithms are compared. 18 financial ratios frequently used in evaluation of company performances with 102 other independent variables are used as inputs and monthly rate of return of stocks in 2009-2018 period are classified and estimated. Analyses on given period have shown that the proposed artificial neural network algorithm is a classifier that can be used as an alternative to other algorithms for stock market forecasting.

Benzer Tezler

  1. Equity portfolio optimization using reinforcement learning: An emerging market case

    Pekiştirmeli öğrenme ile hisse senedi portföyü optimizasyonu: Gelişmekte olan piyasa örneği

    MERT CANDAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  2. Deep wavelet neural network for spatio-temporal data fusion

    Uzamsal-zamansal veri füzyonu içinderin dalgacık sinir ağları

    AJLA KULAGLIC

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BURAK BERK ÜSTÜNDAĞ

  3. Yapay sinir ağları ile hisse senetlerinin fiyat tahmini: BİST elektrik endeksi örneği

    Forecasting of stock price with artificial neural networks: BIST electricity index example

    DİDAR GÜÇLÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İşletmeErciyes Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. VELİ AKEL

  4. Hisse senedi fiyat hareketlerinin tahmini için bir yapay sinir ağı modeli önerisi

    Artifical neural network model for prediction of share movements

    NİLAY GÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Endüstri ve Endüstri MühendisliğiKocaeli Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. DİDEM YILMAZ ÇAPKUR

  5. Finansal başarısızlık tahmini: Yapay sinir ağı ve karar ağacı yöntemleri üzerine bir inceleme

    An investigation on methods of artificial neural networks and decision tree estimation of financial failure

    SEYEDBABAK HESARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    EkonomiDokuz Eylül Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. GÖKTUĞ CENK AKKAYA