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: 91
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
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- 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
- Improved helicopter classification via deep learning and overlapped range-doppler maps
Derin öğrenme ve örtüşen menzil-doppler görüntüleri ile geliştirilmiş helikopter sınıflandırması
DENİZ CAN ACER
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- A comparative study of deep learning methods on flexural buckling load prediction of aluminum alloy columns
Alümi̇nyum alaşimli kolonlarin eği̇lme burkulma yükü tahmi̇ni̇ üzeri̇ne deri̇n öğrenme yöntemleri̇ni̇n karşilaştirilmali bi̇r çalişmasi
ZELİHA BEGÜM KILINÇ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu ÜniversitesiElektronik-Bilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR