Hisse senedi fiyat hareketlerinin tahmini için makine öğrenim teknikleri ile derinlik ve teknik analizi entegre eden hibrit ve güvenilir bir yöntem
A hybrid and reliable method integrating depth and technical analysis with machine learning techniques for predicting stock prices
- Tez No: 593327
- Danışmanlar: DR. ÖĞR. ÜYESİ FUAT AKAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Hisse senetlerinin fiyat değişimleri doğrusal olmayan bir yapıda olduğundan, hissenin fiyatının değişim yönünü tahmin etmek oldukça karmaşık ve zor bir iştir. Bu fiyat değişim yönünü tahmin etmek için bazı istatiksel yöntemler kullanılmaktadır. Fakat, bu yöntemler karmaşık olan hisse senedi piyasalarında çoğu zaman yetersiz kalmaktadır. Bu tez çalışmasında Borsa Istanbul (BIST) hisselerini temel alan, sermaye piyasalarında fiyat değişimini kısa süreler için tahmin etmek üzerine çalışan bir yöntem ortaya konulmuştur. Bu yöntem ayrıca derinlik analizi ile borsa işlemlerinin adil ve güvenli bir şekilde yapılmasına temel oluşturmaktadır. İlk etapta benzer finansal yapıda olan hisseler temel analiz kullanılarak seçilmiştir. Uzun dönemde en iyi getiri sağlayacak hisseleri bulmakta temel analiz verilerinden yararlanılmıştır. Daha sonra derinlik analizi ve teknik analiz verileri ile öznitelik vektörü oluşturulmuştur. Bu veriler Borsa İstanbul'dan alınan emir defterlerinden elde edilmiştir. Derinlik analizindeki bilgi, finansal fiyatlarda gelecekteki eğilimi tahmin etmek için kullanılmıştır. Fakat derinlik analizinde satış emrinin çok olması hisse senedinin fiyatının düşeceği anlamına gelmeyebileceği gibi alış emirlerinin fazla olması da fiyatının artacağı anlamına gelmeyebilir. Sadece derinlik analizine bakarak hisse senedinin yükseleceğine ya da düşeceğine karar vermek doğru bir yöntem değildir. Dolayısıyla ikinci bir gösterge olarak da teknik analiz kullanılmıştır. Teknik analiz yönteminde ise hisse senedinin geçmiş verilerinden yararlanılarak, gelecekteki muhtemel fiyat hareketleri hakkında tahminde bulunulur. Fiyat tahmininde geri beslemeli yapay sinir ağları ve rasgele orman kullanılmıştır. Bu tez çalışmasında temel analiz, teknik analiz ve derinlik analizinin birlikte kullanılması bu alanda yapılan çalışmalara katkı sağlamıştır.
Özet (Çeviri)
It is quite complicated and difficult to predict the price changes direction of stock, because of the price changes of stock are non-linear. Some statistical methods are used to estimate these price changes direction, but these methods are often inadequate in complex stock markets. In this thesis study, a method which tries to predict the changes direction of price in capital markets based on BIST stocks is presented. This method is also the basis for fair and safe trading of stock market transactions with depth analysis. First of all, stocks which have similar financial structure were selected by using fundamental analysis. In the long term, fundamental analysis data were used to find the best yields. Then, the depth and technical analysis data were used to construct the feature vector. These data were obtained from the order books received from Borsa Istanbul. The information in depth analysis was used to estimate the future trend in financial prices. However, in the depth analysis, the fact that the sales order is too high may not mean that the price of the stock will decrease, but the fact that the purchase orders are too high may not mean that the price will increase. It is not the right method to decide whether the stock will rise or fall just by looking at the depth analysis. Therefore, technical analysis was used as a second indicator. In the technical analysis, the historical data and price movements of the stock are analyzed, and the possible future price movements are estimated. In the price estimation, backpropagation neural networks and random forest were used. In this thesis, the combined use of fundamental analysis, technical analysis and depth analysis has contributed to studies in this area.
Benzer Tezler
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- 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
2009
Endüstri ve Endüstri MühendisliğiKocaeli ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DİDEM YILMAZ ÇAPKUR
- Hisse senedi fiyatlarının makine öğrenmesi yöntemleri ve derin öğrenme algoritmaları ile tahmini
Estimations of opening and closing stock prices through machine learning methods and deep learning algorithms
UĞUR DEMİREL
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGümüşhane Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. HANDAN ÇAM
DR. ÖĞR. ÜYESİ RAMAZAN ÜNLÜ
- Bitcoin fiyat hareketliliğinin makine öğrenmesi ile tahmin edilmesi
Bitcoin price volitality prediction with machine learning
AHMET AKUSTA
Doktora
Türkçe
2023
MaliyeNecmettin Erbakan Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ SALUR