Derin öğrenme teknikleri kullanılarak borsadaki hisse değerlerinin tahmin edilmesi
Stock market prediction with deep learning techniques
- Tez No: 678659
- Danışmanlar: DR. ÖĞR. ÜYESİ İLKER DALKIRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Borsa hisse değerlerinin, farklı ve çok miktarda kuvvet tarafından etkilenmesi ve bu kuvvetlerin etkileşimlerinin karmaşık olması sebebiyle tahmin edilmeleri oldukça zordur. Bu kuvvetlerin güçlerindeki ve etkileşimlerindeki ufak değişimler, sonuçlarda büyük değişimler olarak görülmektedirler. Ancak istatistik teorilerinden doğan ve ancak günümüz bilgisayarları ile uygulanması mümkün olan karmaşık derin öğrenme teknikleri ile bu değerlerin kısa dönem tahminleri mümkündür. Çalışmamızda Borsa İstanbul içerisinde işlem görmekte olan ISCTR, VAKBN, GARAN, QNBFB ve AKBNK hisse senetlerinin uzun dönem verilerine bakılarak günlük değer tahmini yapılmıştır. Bu tez çalışmasında çok değişkenli yapıda uzun kısa-dönem hafıza (Long Short-Term Memory, LSTM) ve kapılı tekrarlayan hücre (Gated Recurrent Unit, GRU) algoritmaları Adam ve RMSProp optimize edicileri ile kullanılmış ve performansları gözlemlenmiştir. Ayrıca ilgili hisselerin verilerine ek olarak, tahmin kabiliyetini artırmak amacı ile USD/TRY, BIST30, BANKX endekslerine ait tarihsel veriler de kullanılmıştır. Yapılan çalışma sonucunda en başarılı tahmin 0.01465 ortalama bağıl hata ile ISCTR için yapılmış olup tüm hisselere ilişkin tahminlerin ortalama bağıl hatası 0.01633 olarak hesaplanmıştır.
Özet (Çeviri)
Stock market share values are affected by different and many forces and the interactions of these forces are complex. Because of this complexity, they are difficult to predict. Small changes in the strength and interaction of these forces are seen as large changes in results. However, short-term estimations of these values are possible with complex deep learning techniques that arise from statistical theories and can be realized with today's computer technologies. In our study, one-day value estimation of ISCTR, VAKBN, GARAN, QNBFB and AKBNK stocks traded in the Borsa Istanbul has been made. In the study, Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) algorithms in multivariate structure were used with Adam and RMSProp optimizers and their performances were observed. In addition to the data of the related stocks, historical data of USD/TRY, BIST30 and BANKX indices were also used in the study in order to increase the estimation ability. As a result of the study, the most successful prediction was made for ISCTR with a mean relative error of 0.01465, and the average relative error of all stocks was calculated as 0.01633.
Benzer Tezler
- Metin madenciliği ve derin öğrenme yöntemleri kullanılarak borsadaki hareketlerin sosyal medya ile ilişkisinin analiz edilmesi
Analyzing the relationship between stock market movements and social media using text mining and deep learning methods
METİN OKTAY BOZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ JALE BEKTAŞ
- Sign predictability of intraday price returns to formulate appropriate trading strategies with optimum set of equities
Optimum hisse senedi kümesi ile uygun işlem stratejileri oluşturmak için gün içi fiyat getirilerinin işaret tahmin edilebilirliği
ABDURRAHMAN KILIÇ
Doktora
İngilizce
2024
Ekonometriİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
İstatistikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Zaman serileri tahmininde tekrarlayan sinir ağlarının etkinliğinin incelenmesi
Investigation of the effectiveness of recurrent neural networks in the time series prediction
KÜBRA KESKİN
Yüksek Lisans
Türkçe
2022
EkonometriSüleyman Demirel ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGE GÜNDOĞDU
- Fraud detection on the time series data with machinelearning and deep learning techniques
Makine öğrenimi ve derin öğrenme teknikleri ile zaman serisi verileri üzerinde sahtekarlık tespiti
EMAN MOHAMEDRAMZI ABDULKARIM ABDULKARIM
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ULUTAŞ