Geri Dön

Makine öğrenmesi ile çok terimli hisse senedi yönlü tahmini; BIST100 örneği

Multinomial direction forecast with machine learning algorithms; BIST100 example

  1. Tez No: 702866
  2. Yazar: YASEMİN KOÇ
  3. Danışmanlar: PROF. DR. AYŞE HÜMEYRA BİLGE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ekonomi, Maliye, Computer Engineering and Computer Science and Control, Economics, Finance
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Kadir Has Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Mühendislik ve Doğa Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Bu çalışmada orta vadeli hisse senetlerinin yönlü tahmini için çalışma yapılmıştır. Bu çalışmayı yaparken son beş yıllık BİST100 verileri ile, ulaşım sektöründen Pegasus hisse senedinin ve bankacılık sektöründen İş Bankası hisse senedi, çalışmada kullanılan hisse senetleridir.BİST100 endeksindeki bu iki şirket için iki ayrı veri seti kullanılarak, çıkan sonuçlar birbiri ile karşılaştırılacaktır. Bu veriler iki farklı makine öğrenmesi algoritması ile karşılaştırılmıştır. Bu algoritmalar yapay sinir ağı ve uzun kısa süreli bellek diye anladırılmış LSTM modelidir. Veriler, İdeal Programının veri tabanından temin edilmiştir. Son beş yılı kapsayan veriler için, sonuçların daha anlamlı olması adına ayrıştırma yapılmıştır. Veri setlerinin analizi, öncelikli olarak Excel platformunda, sonrasında ise MATLAB platformu kullanılarak, yazılan formüller üzerinden, veriler eğitilerek yapılmıştır. Çalışma, verilerin kapanış fiyatları üzerinden hisse senetlerinin yönlü tahminini yapabilmek için, makine öğrenmesi algoritmaları kullanılmıştır. Makine öğrenmesi algoritmalarından olan Yapay sinir ağı (YSA) ve tekrarlayan sinir ağı (RNN) mimarisi olan LSTM modeli kullanılarak veriler eğitilmiştir. Eğitilen verilerin tahmin doğrululuğu birbirleri ile kıyaslanmıştır.

Özet (Çeviri)

In this study, a study was conducted to predict the direction of medium-term stocks. Pegasus stock from the transportation sector and Işbank stock from the banking sector are the stocks used in the study with the latest five-year BIST100 data while doing this study.Using two separate data sets for these two companies in the BIST100 index, the results will be compared with each other. These data were compared with two different machine learning algorithms. These algorithms are an artificial neural network and an LSTM model called long short-term memory. The data were obtained from the data base of the JUL Program. For the data covering the last five years, a decomposition was performed in order to make the results more meaningful. The analysis of the data sets was carried out primarily on the Excel platform, and then using the MATLAB platform, using the formulas written, by training the data. In the study, machine learning algorithms were used to make directional estimation of stocks based on the closing prices of the data. The data were trained using the artificial neural network (ANN), which is one of the machine learning algorithms, and the LSTM model, which is the recurrent neural network (RNN) architecture. The prediction accuracy of the trained data was compared with each other.

Benzer Tezler

  1. Predicting stock movements with machine learning using textual data

    Hisse senedi hareketlerinin makine öğrenmesi ile metinsel veri kullanılarak tahmin edilmesi

    MERYEM ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilim ve TeknolojiBoğaziçi Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET ONUR DURAHİM

  2. Derin öğrenmeyle hisse senedi değerlerinin tahmin edilmesi

    Estimating stock values with deep learning

    HÜSEYİN MUSTAFA METİN

    Doktora

    Türkçe

    Türkçe

    2024

    MatematikMuğla Sıtkı Koçman Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ERDOĞAN GAVCAR

  3. Makine öğrenmesi ile işgörenlerin işe yabancılaşma durumunun sınıflandırılması

    Classification of employees' work alienation with machine learning

    AKIN SÖNMEZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İşletmeHacettepe Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ÖZGE TAYFUR EKMEKCİ

  4. Makine öğrenmesi kullanımıyla ev tipi klimalarda parametre ve enerji verimliliği optimizasyonu

    Optimization of parameter and energy efficiency in residential air conditioners using machine learning

    EZGİ SEVGİ ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. GÜLGÜN KAYAKUTLU

  5. Makine öğrenmesi teknikleri kullanarak sosyal medyadaki COVID-19 aşıları ile ilgili gönderilerin duygu analizi

    Sentiment analysis of twitter posts on COVID-19 vaccines using machine learning techniques

    EMRE ÇEKÇİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZGÜN YILMAZ