Stock market prediction using machine learning models
Makine öğrenmesi modellerini kullanarak hisse senedi öngörüsü
- Tez No: 647452
- Danışmanlar: DR. ÖĞR. ÜYESİ ZERRİN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Borsa verilerinin öngörüsü, bu alandaki verilerin dinamik ve karmaşık yapısı nedeniyle zorlu bir iştir. Burada, hisse senedi fiyatlarını öngörebilmek için farklı veri kaynaklarını ve derin öğrenme mimarileri kullanmanın etkileri üzerine kapsamlı bir analiz sunuyoruz. Derin öğrenme modellerinin başarımındaki en büyük etmenlerden birisi verilerin etkili bir şekilde temsil edilmesidir. Bu çalışmada, hisse senedi piyasaları üzerinde finansal dış etkilere neden olabilecek haber makaleleri üzerinde duygu analizi yapılmış ve hisse senedi fiyat veri setlerinden çeşitli teknik göstergeler çıkarılmıştır. Veri gösterimi dışında, derin öğrenme algoritmalarının başarımı hiperparametrelerine bağlıdır, bu nedenle otomatik Bayes optimizasyonunu kullanarak geliştirilen derin öğrenme modellerini optimize ettik. NASDAQ ve NYSE hedef pazarlarında işlem gören on farklı hisse senedi veri setinden günlük kapanış fiyatlarınını öngörebilmek için optimum Evrişimsel Sinir Ağı (ESA), Uzun Kısa Süreli Bellek (UKB) ve Yığınlı Otomatik Kodlayıcı modellerini geliştirdik. Çalışmamız duygu analizinin hisse senedi öngörüsü üzerindeki etkilerini ve karmaşık veri sunumlarında önerilen derin öğrenme modellerinin değerlendirilmesini kapsamaktadır. Öngörünün değerlendirilmesi çeşitli hata ölçevleri ile analiz edilmiştir. Elde edilen sonuçlar, geliştirilen ESA modelinin diğer modellerden daha iyi başarım sağladığını göstermiştir. Duygu analizi ve teknik göstergelerin entegrasyonu, özellikle UKB modelinin öngörü başarımını iyileştirmiştir. Yüksek sıklığa sahip veriler otomatik öznitelik çıkarımı ile birleştirildiğinde hisse senedi öngörüsü daha gürbüz olarak gerçekleştirilebilir.
Özet (Çeviri)
Forecasting on stock market data is a challenging task due to dynamic and complex nature of the data in this field. Here, we present a comprehensive analysis on effects of using different data sources and deep learning architectures for forecasting stock prices. One of the biggest factors in the performance of deep learning models is effective representation of data. In this study, sentiment analysis was conducted on news articles that may cause financial external effects on stock markets, and various technical indicators extracted from the stock price datasets. Other than data representation, the performance of deep learning algorithms is dependent on hyperparameters, thus, we optimized various hyperparameters of the developed deep learning models using automated Bayesian optimization. We developed optimal Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and Stacked Autoencoder (SAE) models for forecasting daily close prices from ten different historical stock price datasets traded on NASDAQ and NYSE target markets. Our study covers the effects of sentiment analysis on stock market forecasting and assessment of the proposed deep learning models in complex data representation. The evaluation of forecasting is analyzed with several error metrics. The obtained results revealed that the developed CNN model provides better performance than other ones. The integration of sentiment analysis and technical indicators improved the prediction performances, especially in the LSTM model. Forecasting on stock market data could be more robust when higher frequency data is coupled with automated feature extraction.
Benzer Tezler
- Yapay zeka yöntemleriyle hisse senedi fiyatının öngörülmesi
Stock market prediction using artificial intelenge metyhods
MEHMET HARUN SONGÜN
Doktora
Türkçe
2023
MaliyeMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
PROF. DR. MURAT AKBALIK
- Stock price prediction using deep learning methods in high-frequency trading
Derin öğrenme metotlarını kullanarak yüksek frekanslı işlemlerde borsa fiyat tahmini
EMRE ALBAYRAK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. AYŞE NURDAN SARAN
- 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
- Doğru yatırım kararları için yapay zekâ tekniklerini kullanarak borsa tahmininin kapsamlı analizi
Comprehensive analysis of stock market prediction using artificial intelligence techniques for accurate investment decisions
FARES ABDULHAFIDH DERHEM DAEL
Doktora
Türkçe
2022
Bilgi ve Belge YönetimiAtatürk ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. UĞUR YAVUZ
- 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