Makine öğrenme metotları kullanılarak fonların fiyat tahmini için model geliştirilmesi
Model development for the price estimation of funds by using machine learning methods
- Tez No: 647359
- Danışmanlar: DR. ÖĞR. ÜYESİ EBUBEKİR KOÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 115
Özet
Bu tez çalışmasında, makine öğrenme algoritmaları kullanılarak fonların fiyat tahmini için model geliştirilmesi yapılmıştır. Fon fiyat tahmin sistemi amacıyla geliştirilmesi yapılan model çalışmasında kullanılan veri setinin gerçek veri değerlerinden alınması, yapılan modelin tahmin başarısında reel piyasadaki fon bilgilerine yakın değerler olmasını, model tutarlığını ve güvenirliliğini sağlamıştır. Veri seti, Takas İstanbul(İstanbul Takas ve Saklama Bankası A.Ş.-Takasbank)'un platform ve veri kaynağı sağlayıcılığı yaptığı Türkiye Elektronik Fon Dağıtım Platformu (TEFAS) web sitesi üzerinden, 02.01.2019 – 31.12.2019 tarihleri arasında ki erişime açık olan fon bilgilerinde elde edilmiştir. Bu veri seti araştırmayı da özgün bir kategoriye yerleştirmiştir. Model çalışması için kullanılan makine öğrenme teknikleri Kısmi En Küçük Kareler Regresyonu (PLSR), Ridge Regresyonu(RR), Destek Vektör Regresyonu (SVR) ve Yapay Sinir Ağları(YSA) algoritmalarıyla yapılmıştır. Geliştirilen model başarı değerlendirmeleri ise; Hata Karelerinin Ortalaması(MSE), Hata Kare Ortalamasının Karekökü(RMSE), Ortalama Mutlak Hata(MAE) ve R Kare Oranı(R2) ölçüm metriklerine göre yapılmıştır. Bu ölçüm metriklerine göre PLSR, RR ve SVR algoritmalarında elde edilen sonuçların kabul edilebilirlik oranlarının çok düşük olduğu tespit edilmiştir. YSA ile elde edilen tahmin değerlerinin başarı oranının ise, model önerisi için kabul edilebilir ölçekte olduğu gözlemlenmiştir. Bu değerlendirmelerden hareketle, fonların fiyat tahmini çalışmasında YSA ile geliştirilen model tercih edilmiştir. Sonuç olarak, fonların fiyat tahmin için geliştirilen model çalışmasında, YSA modeli tahmin edilen fon fiyat değerinin birim pay başına düşen hata oranı, RMSE değerine göre (+/-) 6.2 olarak bulunmuştur. Model başarı yüzdesi ise, R2 ölçüm metrik sonucuna bakılarak %90 üzerinde bir tahmin başarısı olarak elde edilmiştir. Ayrıca, ölçüm metrik sonuçları da göz önüne alındığında regresyon problemleri için PLSR, RR ve SVR modellerinin de kullanılabilirliklerini yitirmedikleri de değerlendirilmiştir.
Özet (Çeviri)
In this thesis, a model is developed for the price estimation of funds by using machine learning algorithms. The data set used in the study model developed for the purpose of the fund price estimation system from the real data values ensured that the model was close to the real market fund information, model consistency, and reliability. Data set used for the model is accessed between 02.01.2019 - 31.12.2019 from Takas Istanbul's (Istanbul Settlement and Custody Bank Inc.-Takasbank) platform Turkey Electronic Fund Trading Platform (TEFAS), which provides fund data sources. This dataset has also placed the research in a unique category. Machine learning techniques used for the model study were performed using Partial Least Squares Regression (PLSR), Ridge Regression (RR), Support Vector Regression (SVR), and Artificial Neural Networks (ANN) algorithms. The developed model success evaluations are; Average of Error Squares (MSE), Square Root of Error Square Mean (RMSE), Average Absolute Error (MAE), and R Squared (R2) were made according to measurement metrics. According to these measurement metrics, the acceptability rates of the results obtained in PLSR, RR, and SVR algorithms were found to be very low. It is observed that the success rate of the predicted values obtained with ANN was at an acceptable scale for the model proposal. Based on these evaluations, the model developed with ANN was preferred in the price estimation study of the funds. As a result, the model study developed for the price estimation of the funds, according to the RMSE value, the error rate per unit share of the estimated fund price value of the ANN model was found as (+/-) 6.2. The model success percentage is obtained as a prediction success over 90% by looking at the R2 measurement metric result. Also, considering the measurement metric results, it is evaluated that PLSR, RR, and SVR models did not lose their usability for regression problems.
Benzer Tezler
- Analysis of hyperspectral images with deep learning methods
Derin öğrenme yöntemleriyle hiperspektral görüntülerin analizi
EKREM TARIK KARAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- Veri madenciliğinin tıp ve sağlık hizmetlerinde uygulamaları
Application of data mining in medical science and health care
DİDEM ATİKTÜRK TAŞDELEN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN EMRAH
- Derin öğrenme ve makine öğrenmesi tabanlı yüz ifadelerini tanımasistemi
Deep learning and machine learning based facial expressionrecognition system
MUHAMMED KEREM TÜRKEŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErzincan Binali Yıldırım ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILDIZ AYDIN
- Accelerating molecular docking using machine learning methods
Kenetleme hesaplarının makine öğrenme metotları ile hızlandırılması
ABDULSALAM YAZID BANDE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
Assist. Prof. Dr. SEFER BADAY
- Boyut arttırma yöntemleri kullanılarak eeg sinyallerinden derin öğrenme tabanlı şizofren durum tespiti
Deep learning based schizophrenia status determination from eeg signals using dimension augmentation methods
ZÜLFİKAR ASLAN
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKIN