Geri Dön

Derin pekiştirmeli öğrenme ile kripto para portföy yönetimi

Crypto currency portfolio management with deep reinforcement learning

  1. Tez No: 686983
  2. Yazar: HATİCE AŞIK
  3. Danışmanlar: PROF. DR. MERT ERER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Maliye, İşletme, Finance, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İş Analitiği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

Makine Öğrenmesi, günümüzde neredeyse her alanda uygulanabilir hale geldiğinden son zamanlarda oldukça yaygınlaşmıştır. Pekiştirmeli Öğrenme ve Derin Öğrenme olarak adlandırılan Makine Öğreniminin alt alanları, bir araya geldiklerinde, Atari oyunlarında Go'da birden çok kez şampiyonu yenmek için insan düzeyindeki performansa ulaşmada veya bu performansı aşmada başarılı olan gelişmiş algoritmalar ortaya çıkardı. Makine Öğreniminin bu başarıları finans dünyasının da ilgisini çekmiş ve bu tekniklerin finansal piyasalardaki kalıpları tespit etmede de uygulanıp uygulanamayacağı sorusunu gündeme getirmiştir. Yakın zamana kadar, birçok finansal problemin çözümünde regresyon yöntemleri ve trend analizleri ön planda gelmekteydi. Ancak, Pekiştirmeli Öğrenme sayesinde, portföy yönetimi stratejilerinin geliştirilmesi ve sürecin tıpkı robotik sistemlerdekine benzer şekilde kendi kendine öğrenen bir mekanizma yardımıyla alım-satım yapılmasının önü açılmıştır. Bu tezde, Pekiştirmeli Öğrenme kullanarak Derin Öğrenme ticaret ajanının uzun vadeli servetini en üst düzeye çıkarmak için portföydeki belirli bir kripto para veri setindeki ağırlıkların en iyi şekilde nasıl dağıtılacağını araştırılmaktadır. Farklı hiper parametre testleriyle portföyün toplam getirisi hesaplanarak market dinamiğine en uygun parametreler tespit edilmeye çalışılmıştır.

Özet (Çeviri)

Machine Learning has become quite common lately, as it has become applicable in almost every field today. The subfields of Machine Learning, called Reinforcement Learning and Deep Learning, combined, revealed advanced algorithms that succeeded in achieving or exceeding human-level performance to beat the champion in Go multiple times in Atari games. These achievements of Machine Learning also attracted the attention of the financial world and raised the question of whether these techniques can be applied to identify patterns in financial markets. Until recently, regression methods and trend analysis were at the forefront in solving many financial problems. However, thanks to Reinforcement Learning, development of portfolio management strategies and trading with the help of a self-learning mechanism similar to the process in robotic systems were paved. This thesis explores how to best distribute the weights in a particular cryptocurrency dataset in the portfolio to maximize the long-term wealth of the Deep Learning trading agent using Reinforcement Learning. By calculating the total return of the portfolio with different hyper parameter tests, the most suitable parameters for market dynamics were tried to be determined.

Benzer Tezler

  1. Derin pekiştirmeli öğrenme ile kripto para fiyat tahmini

    Cryptocurrency price prediction with deep reinforced learning

    SERBEST ZİYANAK

    Doktora

    Türkçe

    Türkçe

    2023

    İstatistikVan Yüzüncü Yıl Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. HALİT ERAY ÇELİK

  2. Pairs trading in cryptocurrency market using deep reinforcement learning

    Başlık çevirisi yok

    CEM KAYA GÜRKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ ATA

  3. Teknik analiz ve derin pekiştirmeli öğrenme ile kriptopara alım-satımı

    A cryptocurrency trading with deep reinforcement learning and technical analysis

    MUHAMMED SAİD ÜNLÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR YILDIRIM

  4. Derin pekiştirmeli öğrenme ile robot kol tork kontrolü

    Robotic arm torque control via deep reinforcement learning

    MUHAMMED RAŞİT EVDÜZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiPamukkale Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR İPLİKÇİ

  5. Deep reinforcement learning for urban modeling: Morphogenesis simulation of self-organized settlements

    Derin pekiştirmeli öğrenme ile kentsel modelleme: Kendiliğinden örgütlenen yerleşimlerin morfogenez simülasyonu

    HOUSSAME EDDINE HSAIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Mimarlık, Planlama ve Tasarım Ana Bilim Dalı

    Assoc. Prof. Dr. BURCU ŞENYAPILI ÖZCAN

    Dr. YİĞİT ACAR