Yinelemeli sinir ağları ile finansal veri tahmini
Financial data prediction with recurrent neural networks
- Tez No: 650954
- Danışmanlar: PROF. DR. TURHAN MENTEŞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 46
Özet
Yinelemeli sinir ağları (RNN) elde edilen çıktıların her adımda ağa tekrar dahil edildiği yapay sinir ağı modelidir. Yinelemeli sinir ağlarının en büyük avantajı sıralı verilerde her bir örneğin önceki örneklere bağlı olarak değişimini göz önünde bulundurmasıdır. Yinelemeli sinir ağı modelleri geliştikçe bazı teorik engeller ortaya çıkmış ve bu engellere çözüm olarak farklı modeller geliştirilmiştir. Uzun Süreli Kısa Dönemli Hafıza (LSTM) ağlarının, bu modeller arasında en çok ilgi gören ve en iyi tasarlanmış yinelemeli sinir ağı modellerinden biri olduğu söylenebilir. Bu çalışmada, uygulama bölümünde LSTM modelinin finansal varlık fiyatlarının değerlendirilmesinde diğer sinir ağı modellerine göre başarısı ölçümlenmiştir. LSTM modelinin kıyaslanan diğer modellerden daha iyi sınıflama başarısı verdiği görülmüştür.
Özet (Çeviri)
Recurrent Neural Network is an artificial neural network model which the outputs are re-included to network input in every iteration. The biggest advantage of recurrent neural networks is that they consider the variation of each sample in the sequential data depending on the previous examples. As reccurent neural network models developed, some theoretical obstacles emerged and different models were developed as solutions to these obstacles. It can be said that Long term short term memory (LSTM) networks are one of the most popular and best designed reccurent neural network models among these models. In this study, the success of LSTM model is compared to other neural network models in evaluating financial asset prices. The LSTM model gave better classification accuracy than other compared models.
Benzer Tezler
- Yinelemeli sinir ağları ile sermaye piyasası yön tahmini üzerine bir çalışma
A study on direction prediction of capital markets with recurrent neural networks
MUHİDDİN ÇAĞLAR EREN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Derin öğrenmeyle hisse senedi değerlerinin tahmin edilmesi
Estimating stock values with deep learning
HÜSEYİN MUSTAFA METİN
Doktora
Türkçe
2024
MatematikMuğla Sıtkı Koçman Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ERDOĞAN GAVCAR
- Exploiting clustering patterns in training sets to improve classification performance of fully connected layers
Tam bağlantılı katmanların sınıflandırma performansını iyileştirmek için eğitim setlerindeki kümeleme örüntülerinden faydalanma
TOLGA AHMET KALAYCI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Comparative analysis of LSTM model in predicting ETF stock prices for different sectors
Farklı sektörler için ETF fiyatları tahmininde LSTM modelinin karşılaştırmalı analizi
BURAK YÜKSEL
Yüksek Lisans
İngilizce
2024
EkonometriMarmara Üniversitesiİktisat (İngilizce) Ana Bilim Dalı
PROF. DR. ENGİN SORHUN
- Yinelemeli sinir ağları ile işaret dili tanıma
Sign language recognition with recurrent neural networks
İBRAHİM ÇETİNKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ