Stock market prediction by combining stock price information and sentiment analysis
Hisse fiyat bilgisi ve duygu analizi kombinasyonu ile pay piyasasında fiyat tahmini
- Tez No: 604920
- Danışmanlar: DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR
- 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: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Pay piyasasındaki bir enstrümanın fiyatını tahmin etmek, oldukça değerli ve aynı zamanda oldukça zor makine öğrenme görevlerinden biridir. İnternet üzerinden veri toplamanın artmasıyla birlikte, veri bilim insanları tahminler için geçerli veri noktaları çıkarmayı hedeflemektedir. Ancak bu veri noktaları tek bir veri kaynağından elde edilir ve bu nedenle borsaya etki eden tüm noktaları kapsamaz. Borsa politik ve makroekonomik haberlere son derece duyarlıdır. Bu nedenle borsa kapanış fiyat hareketleri tahminini iyileştirmek için bu araştırmamızda piyasa ile ilgili tweet'lere ve öngörülen spesifik hisse senetlerine duygu analizi uyguladık. Bu bilgileri mevcut günlük niceliksel veri kümesiyle ilişkilendirerek borsa hareketlerini tahmin etmek için kullanıyoruz. Ayrıca SMAVG, MACD, RSI ve Sig gibi bazı teknik göstergeler kullanıyoruz. Elde edilen kümülatif veri seti, 2010 - 2018 arasındaki Borsa İstanbul fiyatlarından oluşan veriler üzerinde tekrarlayan bir sinir ağı modelinin eğitilmesi için kullanılmaktadır. Regresyon modelinin çıktıları kapanış fiyatının bir sonraki gün aşağı veya yukarı yönlü olup almayacağına karar vermek için kullanılmaktadır. Teknik analiz verilerinin girdi olarak kullanılması ile elde edilen modelin doğruluk değeri yüzde 56 olarak ölçülmüştür. Daha sonra twitter haberlerini pozitif, negatif ve tarafsız olarak sınıflandırdık ve bu değerleri modele entegre ettik. Kombine modelin doğruluğu yüzde 66'ya yükseltildi. Sonuçlar, hisse ve piyasa hakkında bilgi içeren duygu analizi çıktısının modele entegre edilmesinin, modelin doğruluğunu önemli ölçüde arttırdığını göstermektedir.
Özet (Çeviri)
Predicting the stock market instrument price is a quite precious, at the same time pretty difficult machine learning task. With an increase of data collection through the internet, data scientists aim to extract valid data points for the estimations. However, these data points are usually obtained from one data source and thus may not cover all the factors affecting the stock market. The stock market is sensitive and highly depends on the political and macroeconomic environments. Therefore, to improve the prediction for stock market closing price movements, in this thesis, we apply sentiment analysis to the tweets related with the market and specific stock that is being predicted. We use this information to predict the stock market movements by correlating them with the existing daily quantative dataset. We also use some technical indicators such as SMAVG, MACD, RSI and Sig. The obtained cumulative dataset is used in training a recurrent neural network model on the data consisting of the Istanbul Stock Exchange prices of 2010 to 2018. The output of the regression model is used in prediction of the closing price movement in order to decide whether the closing price is up or down next day. Accuracy value of the model obtained using stock prices and technical analysis attributes as input was measured as 56 percent. Then, we classified twitter news as positive, negative and neutral and integrated these values into the model. The accuracy of the combined model was increased to 66 percent. The results shows the accuracy of the model significantly increases when sentiment analysis output that contains information about the stock and market is integrated into the model.
Benzer Tezler
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Temel ve teknik analize dayalı makine öğrenmesi ile hisse senedi fiyat tahmini: Rastgele orman sınıflandırması yaklaşımı
Stock price prediction with machine learning based on fundamental and technical analysis: Random forest classification approach
DENİZ KAVUK SALIŞ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiGebze Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMED BURAK PAÇ
- Deep wavelet neural network for spatio-temporal data fusion
Uzamsal-zamansal veri füzyonu içinderin dalgacık sinir ağları
AJLA KULAGLIC
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Finansal piyasalarda tahmin yöntemleri: Türkiye'de tahvil-pay getiri farkı oranı ile finansal piyasaların tahmini üzerine bir araştırma
Méthodes de prévision sur les marchés financiers: Une recherche sur la prévision des marchés financiers et le ratio différence des taux d'obligations en Turquie
HAKKI AKDAŞ
- Deep reinforcement learning approach for trading automation in the stock market
Hisse senetlerinde işlem otomasyonu için derin güçlendirme öğrenme yaklaşımı
TAYLAN KABBANİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiVeri Bilimi Ana Bilim Dalı
Prof. Dr. EKREM DUMAN