Deep learning based text regression
Derin öğrenme tabanlı metinsel regresyon
- Tez No: 603782
- Danışmanlar: PROF. DR. MURAT SARAÇLAR
- 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: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sistem ve Kontrol Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Finansal analiz metotları ve portföy yönetim tekniklerinin çoğu, risk sınıflandırma ve tahminlemeye dayanır. Hisse senedi getirisinin dalgalanma derecesi bir şirketin finansal riskiyle ilgili güçlü bir göstergedir. Bu sebeple, hisse senedi getirisinin dalgalanma derecesini başarılı bir şekilde öngörmek finansal analiz ve portföy yönetiminde çok değerli bir avantaj yaratır. Bu konudaki araştırmaların çoğu, bir şirketin finansal dalgalanma derecesini tahmin etmek için geçmiş veriler ve şirket bilançosuna odaklanırken bazı araştırmalar ise metinsel kaynakların içerisindeki teknik olmayan bilgileri analiz ederek yeni bilgi kaynakları sunuyor. Halka açık bir şirketin yıllık raporlarındaki metinlerden, o şirketin finansal dalgalanma derecesini öngörmek önceden metin regresyon problemi olarak tanımlanmıştı. Son yapılan araştırmalarda, yıllık raporlardan duygu ifade etmeyen kelimeleri eksiltebilmek için el ile etiketlenmiş bir deyimcelik kullanılıyor. Performansı düşürmeden deyimcelik ihtiyacını ortadan kaldırmak için metin öznitelikleri yerine kelime özniteliklerini kullandık. Yani metinleri, içerlerinde geçen kelimelerle ifade etmek yerine metinlerdeki kelimeleri öznitelik vektörleriyle ifade ettik ve bu durum parametre sayısını arttırdı. Parametre sayısındaki artış ve yıllık raporların aşırı uzunlukları göz önünde bulundurularak evrişimli sinir ağları modeli önerildi ve transfer öğrenmesi uygulandı. Deneysel sonuçlar, evrişimli sinir ağları modelinden alınan dalgalanma derecesi tahminlerinin, deyimcelik tabanlı modellerden alınan tahminlere göre daha yüksek doğrulukta olduğunu gösteriyor.
Özet (Çeviri)
Most financial analysis methods and portfolio management techniques are based on risk classification and risk prediction. Stock return volatility is a solid indicator of the financial risk of a company. Therefore, forecasting stock return volatility successfully creates an invaluable advantage in financial analysis and portfolio management. While most of the studies are focusing on historical data and financial statements when predicting financial volatility of a company, some studies introduce new fields of information by analyzing soft information which is embedded in textual sources. Forecasting financial volatility of a publicly-traded company from its annual reports has been previously defined as a text regression problem. Recent studies use a manually labeled lexicon to filter the annual reports by keeping sentiment words only. In order to remove the lexicon dependency without decreasing the performance, we replace bag-of-words model word features by word embedding vectors. Using word vectors increases the number of parameters. Considering the increase in number of parameters and excessive lengths of annual reports, a convolutional neural network model is proposed and transfer learning is applied. Experimental results show that the convolutional neural network model provides more accurate volatility predictions than lexicon based models.
Benzer Tezler
- COVID-19 pandemi sürecinin eğitim üzerindeki etkilerinin makine öğrenme teknikleriyle tespit edilmesi
Determining the effects of the COVID-19 pandemic process on the education via machine learning methods
KEMAL KARGA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MANSUR ALP TOÇOĞLU
- Konvolusyonel sinir ağları kullanarak Türkçe metinler için cümle sınıflandırması
Sentence classification using convolutional neural networks for Turkish text
GURUR PIRANA
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERTBAŞ
- A fast 3d flow field prediction around bluff bodies using deep learning
Derin öğrenme kullanılarak küt cisimler etrafındaki 3 boyutlu akış alanının tahmini
FARHAD NEMATI TAHER
Yüksek Lisans
İngilizce
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDUSSAMET SUBAŞI
- Yenilikçi problem çözümlerinde yapay zeka tabanlı karar destek sistemi oluşturma
Creating an ai-based decision support system with innovative problem solutions
SEHER SOLMAZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. MAHİR DURSUN
- Visual object recognition and detection using deep learning
Derinlikli öğrenme ile görsel nesne tanıma ve tespit etme
BURAK ÇÖREKCİOĞLU
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU