Makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak bıst100 endeksi ile emtia, döviz fiyatları ve gelişmekte olan ülkelerin borsa endeksleri arasındaki ilişkinin incelenmesi
Investigation of the relationship between bist100 index and commodities, stock market prices and exchange indexes of developing countries using machine learning and deep learning method
- Tez No: 727437
- Danışmanlar: DOÇ. DR. KEMAL ADEM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Science and Technology, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Finansal piyasalar, Veri madenciliği, Yapay zeka, Deep learning, Financial markets, Data mining, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Aksaray Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Döviz piyasaları, emtia piyasaları ve gelişmekte olan ülkelerin borsa endekslerinin Bist100 üzerindeki etkisi oldukça önemlidir. Ülke ekonomileri hem kendi hem de diğer ülkelerin ekonomilerine güçlü bir şekilde bağlıdır ve bu sebeple piyasalar etkilenmektedirler. Ekonomik açıdan piyasayı takip etmek kararları doğru verebilmek için tahmin yöntemleri kullanılmaktadır. Bu çalışmada makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak Bist100 endeksi ile emtia, döviz fiyatları ve gelişmekte olan ülkelerin borsa endeksleri arasındaki ilişki tahmin algoritmaları kullanılarak incelenmiştir. Veri kümesi Ocak 2017 – Ekim 2021 tarihleri arasındaki kapanış verilerinden oluşmaktadır. Deneysel çalışmalarda objektifliğin sağlanması amacıyla k katlı çapraz geçerlilik modeli uygulanmıştır. Modellerin karşılaştırılmasında; Ortalama Mutlak Hata (MAE), Bağıl Mutlak Hata (RAE) , Ortalama Karesel Hata Karekökü (RMSE) kullanılmıştır. Makine öğrenmesinde IBk, Kstar, Random Committee ve Random Forest modelleri kullanılırken derin öğrenme yöntemi olarak LSTM modeli kullanılmıştır. Deneysel çalışmalar sonucunda, LSTM modelinin makine öğrenmesi modellerine göre daha iyi sonuç verdiği görülmüştür. LSTM modeli için test sonuçları incelendiğinde MAE değer 10.27, RMSE değeri 14.15 ve RAE değeri ise 6.06 'dır.
Özet (Çeviri)
The effect of foreign exchange markets, commodity markets and stock market indices of developing countries on Bist100 is very important. The economies of the countries are strongly dependent on the economies of both their own and other countries, and therefore the markets are affected. Forecasting methods are used to follow the market economically and to make correct decisions. In this study, using machine learning and deep learning methods, the relationship between Bist100 index and commodity, foreign exchange prices and stock market indices of developing countries was examined using estimation algorithms. The dataset consists of closing data between January 2017 and October 2021. In order to ensure objectivity in experimental studies, a k-fold cross-validation model was applied. In comparison of models; Mean Absolute Error (MAE), Relative Absolute Error (RAE), Root Mean Square Error (RMSE) were used. While IBk, Kstar, Random Committee and Random Forest models are used in machine learning, the LSTM model is used as a deep learning method. As a result of experimental studies, it has been seen that the LSTM model gives better results than machine learning models. When the test results for the LSTM model are examined, the MAE value is 10.27, the RMSE value is 14.15, and the RAE value is 6.06.
Benzer Tezler
- Borsa endeksi tahmini için melez bir model
A hybrid model for stock market index forecasting
HAMİD YEŞİLYAYLA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR GÜMÜŞ
- Makroekonomik değişkenlerle BIST30 hisse senedi tahmini: Derin öğrenme ve makine öğrenmesi yaklaşımlarının kullanımı
Predicting BIST30 stock with macroeconomic variables: Applications of deep learning and machine learning approaches
DOĞUKAN MOR
Yüksek Lisans
Türkçe
2026
BankacılıkNecmettin Erbakan ÜniversitesiBankacılık Ana Bilim Dalı
DOÇ. DR. İLKAY ALTINDAĞ
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Derin öğrenme algoritmalarına dayalı tahmin: BİST100 ve USD/TRY üzerine bir uygulama
Prediction based on deep learning algorithms: an application on BİST100 and USD/TRY
TUĞBERK KORAY YÜCEL
Yüksek Lisans
Türkçe
2023
İstatistikGazi Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. NECLA GÜNDÜZ TEKİN
- Borsada işlem gören hisse senetlerinin zaman serisi analitiği
Time series analytics of the stocks traded on the stock exchange
HÜSEYİN AKKAŞ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAMZA EROL