Geri Dön

Borsa verilerinin derin öğrenme ve yapay sinir ağı yöntemleri ile tahmin edilmesi

Forecasting time series with deep learning and artificial intellgence

  1. Tez No: 674798
  2. Yazar: ALİ İSA TAŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖKALP TULUM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: İstanbul Arel Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 57

Özet

u çalışmada Yahoo Finans sitesinden elde edilen S&P verisinin analiz edilmesi ve yapılan analizler sonucun da gelecek tahmini yapılması bilgisayar bilimi ve birçok yatırımcı için önemli bir yer tutmaktadır. Gelişen teknolojiler sayesinde bilgisayarların gücü artmış ve bu sayede daha güçlü algoritmalar geliştirilmeye başlanmıştır. Bu algoritmalar ile finansal veriler üzerinde tahminleme yapılması mümkün hale gelmiştir. Yapılan bu çalışmada derin öğrenme ve sığ öğrenme ile finansal verilerin tahminlenmesi amaçlanmıştır ve çalışmada S&P 500 endeksine ait 12.08.2000 ile 13.8.2020 tarihleri arasında günlük veriler kullanılmıştır. Bu bağlamda kullanılan verinin ilk 19 senesi (verinin 0.95'i) eğitim adımlarında, son 1 senesi ise tahmin (test verisi) olarak kullanılmıştır. Tahminleme yapılırken uzun kısa süreli bellek ve çok katmanlı algılayıcılar yöntemi kullanılmıştır. Elde edilen sonuçlar incelendiğinde çok katmanlı algılayıcılar yöntemi ile uzun kısa süreli bellek yöntemlerinin eğitim ve test hatalarının birbirlerine yakın olduğu gözlemlenmiştir. Elde edilen sonuçlar incelendiğinde sırasıyla eğitim, test ve tüm veri kök ortalama karesel hataları uzun kısa süreli bellek ağı için 17,3, 65,3 ve 22,0 dolar olarak hesaplanırken; çok katmanlı algılayıcı ağ için 16,1, 61,2 ve 20,6 dolar olarak bulunmuştur.

Özet (Çeviri)

In this study, analyzing the S&P data obtained from the Yahoo Finance website and making future predictions as a result of the analysis have an important place for computer science and many investors. Thanks to the developing technologies, the power of the computers has increased and by this means more powerful algorithms have been developed. It has become possible to make predictions on financial data using these algorithms. In the present study, it was aimed to predict financial data via deep learning and shallow learning and daily data of the S&P 500 index between 12.08.2000 and 13.8.2020 were used in the study. In this context, the first 19 years of the data (0.95 per cent of the data) were used in the training steps, and the only last 1 year of data was put to use as estimation (test data). Long short-term memory and multilayer perceptrons methods were used for estimation. During the examination of the obtained results, it was observed that the training and test errors of the multilayer perceptron and the long short-term memory methods were close to each other. Furthermore, while training, test and all-data root mean square errors are calculated as 17.3, 65.3 and 22.0 dollars respectively for the long short-term memory network; it was found to be 16.1, 61.2 and 20.6 dollars for the multilayer perceptron network.

Benzer Tezler

  1. Derin öğrenme yöntemleri ile zaman serisi tahmini

    Time series classification with deep learning methods

    HAKAN GÜNDÜZ

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  2. Hisse senedi fiyat tahmininde otokodlayıcı ve graf evrişimli ağının uygulanması

    Application of autoencoder and graph convolutional network in stock price prediction

    MAHMUT LUTFULLAH ÖZBİLEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

  3. Equity portfolio optimization using reinforcement learning: An emerging market case

    Pekiştirmeli öğrenme ile hisse senedi portföyü optimizasyonu: Gelişmekte olan piyasa örneği

    MERT CANDAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  4. Türkçe metinlerde farklı temsil modelleri ve öğrenme yöntemleri ile duygu analizi karşılaştırması

    Comparison of sentiment analysis with different representation models and learning methods in Turkish texts

    KADRİYE MARANGOZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA ÖZGÜR CİNGİZ

  5. Deep learning based stock market prediction using technical indicators

    Teknik göstergeleri kullanarak derin öğrenme ile hisse senedi piyasası tahmini gerçekleştirme

    HALİL RAŞO

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET DEMİRCİ