Geri Dön

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

  1. Tez No: 727437
  2. Yazar: SERAP AKBULUT
  3. Danışmanlar: DOÇ. DR. KEMAL ADEM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Aksaray Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

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

  1. 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

    Türkçe

    2023

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. NECLA GÜNDÜZ TEKİN

  2. Borsada işlem gören hisse senetlerinin zaman serisi analitiği

    Time series analytics of the stocks traded on the stock exchange

    HÜSEYİN AKKAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMZA EROL

  3. Machine learning applications for time series analysis

    Zaman serileri analizi için makine öğrenmesi uygulamaları

    MERT CAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  4. Türkiye'deki finansal yatırım araçlarına yönelik tahminlemede zaman serileri analizi ve derin öğrenme tekniklerinin karşılaştırılması

    Comparison of time series analysis and deep learning techniques in forecasting financial investment instruments in Turkey

    MERVENUR TELATAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FERİDUN CEMAL ÖZÇAKIR

  5. Makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak saldırı tespit ve önleme sistemi geliştirilmesi

    Developing an intrusion detection and prevention system using machine learning and deep learning methods

    MEHMET ALİ ALTUNCU

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SUHAP ŞAHİN