Deep learning for time-series forecasting of currency exchange rates
Döviz kuru oranlarının zaman serisi tahmini için derin öğrenme
- Tez No: 609492
- Danışmanlar: PROF. DR. MEHMET FATİH AKAY
- 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: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 135
Özet
Bu tezin temel amacı, derin öğrenme yöntemlerini kullanarak döviz kurlarının zaman serisi tahmini için yeni doğru modeller geliştirmek, yani Yinelenen Sinir Ağı (RNN), Uzun Kısa Süreli Bellek (LSTM), Evrişimli Sinir Ağı (CNN) ve Otoregresif Entegre Hareketli Ortalama (ARIMA) saatlik ve günlük veri setlerinde üç döviz çiftinin (USD / TRY), (EUR / TRY) ve (EUR / USD) kapanış oranlarını tahmin etmektir. Gelişim ortamı tarafından tahmin modelleri iki farklı tahmin yaklaşımı (Eğitim test oranı) ve öngörü modelleri (tahmin sayısı) oluşturulmuştur. Tüm modellerin performansı, Ortalama Mutlak Yüzde Hatası (MAPE) değerleri hesaplanarak değerlendirilmiştir. Elde edilen sonuçlara göre, tahmin modelleri tüm yöntemler için tahmin modellerine kıyasla daha iyi sonuçlar vermektedir. Genel olarak, CNN tabanlı modeller, diğer yöntemlerle geliştirilen modellerden daha iyi performans göstermektedir. Tahmin modellerine yönelik yöntemlerin, MAPE'lere dayanan performansları bakımından en iyiden en kötüsüne kadar olan sıraları CNN, RNN, LSTM ve ARIMA'dir, modellerin tahmininde ise yöntemlerin uygunluk sırası CNN, LSTM, RNN ve ARIMA olarak görünmektedir.
Özet (Çeviri)
The main objective of this thesis is to develop new accurate models for time series forecasting of currency exchange rates using deep learning methods, namely Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN) and Auto-Regressive Integrated Moving Average (ARIMA) to forecast closing rates of three currency pairs, which are (USD/TRY), (EUR/TRY) and (EUR/USD) for hourly and daily data sets. Two different prediction approaches created by the development environment, which are prediction models (train-test ratio) and forecasting models (number of forecasts). The performance of all models was evaluated by calculating the values of Mean Absolute Percentage Error (MAPE). According to the results obtained, the forecasting models yields better results compared to prediction models for all methods. Generally, CNN based models show better performance than the models developed by other methods. The order of the methods for prediction models in terms of their performance based on the MAPE's, from the best to the worst, is CNN, RNN, LSTM and ARIMA while for forecasting models the favorability order for the methods appears as CNN, LSTM, RNN and ARIMA.
Benzer Tezler
- Evaluation of bitcoin price changes before and after COVID-19 by machine learning, time series analysis and deep learning algorithms
COVID-19 öncesi ve sonrasındaki bitcoin fiyat değişimlerinin makine öğrenmesi, zaman serileri analizi ve derin öğrenme yöntemleriyle değerlendirilmesi
UĞUR KAYA
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. İHSAN TOLGA MEDENİ
- Generating an explainable time-series forecasting using heterogeneous mixture of experts with large language models
Büyük dil modelleriyle birlikte farklı yapıda uzmanların karışımını kullanarak açıklanabilir bir zaman serisi tahmini oluşturma
İSMAİL BALABAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. FULYA GÖKALP YAVUZ
- A comparative study of deep learning techniques for time series forecasting in energy consumption prediction
Derin öğrenme teknikleri ile enerji tüketimini tahmin etmek için zaman serisi tahminine yönelik karşılaştırmalı bir çalışma
MUTAKABBIR AHMED TAYIB
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. TUĞBA TAŞKAYA TEMİZEL
PROF. DR. CEYLAN TALU YOZGATGİL
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- A comparative study of deep learning architectures for multivariate cloud workload prediction
Çok değişkenli bulut iş yükü tahmini için derin öğrenme mimarilerinin karşılaştırmalı çalışması
DERYA GÖZEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM KÖRPEOĞLU