Estimation of BIST30 index based on deep learning
Derin öğrenmeye dayalı BIST30 endeksi tahmini
- Tez No: 734884
- Danışmanlar: PROF. DR. MEHMET FATİH AKAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, Zaman Serisi Tahmini, BIST30 Endeksi, Borsa, Deep Learning, Time Series Forecasting, BIST30 Index, Stock Market
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Bu tezin temel amacı, BIST30 endeksinin geçmiş verilerinden hareketle derin öğrenme yöntemlerinden olan ve zaman serileri için kullanılan CNN, LSTM, GRU, CNN-LSTM ve ConvLSTM (ConvolutionalLSTM) kullanarak BIST30 endeksinin sonraki değerlerini tahmin etmeye çalışmaktır. Modellerin performansı Ortalama Kare Hatası (MSE) ile ölçüldü. Böylece akademik olarak hem bu yöntemler borsa gibi sürekli değişen bir alanda kullanılmış olacak hem de yatırımcılar için büyük bir merak konusu olan borsa tahmini konusunda da bir yol gösterici olacaktır. BIST30 endeksi, hacim ve büyüklük bakımından Türkiye'deki en büyük 30 şirketin hisselerini barındırmaktadır. Hem Türkiye gündemi hem de dünyadaki gelişmeler BIST30 endeksine de yansımakta ve bu değişimler de yatırımcılar, yatırım uzmanları ve şirket yöneticileri için karar alma noktasında belirleyici olmaktadır. Bu doğrultuda yatırımlarını yapmak isteyenler için borsa tahmini yapmak, kişisel ve kurumsal varlık artırımında önemli rol oynamaktadır. Modellerden elde edilen sonuçlara göre, CNN tabanlı modeller, diğer LSTM, GRU, CNN-LSTM ve ConvLSTM (ConvolutionalLSTM) yöntemlerle geliştirilen modellerden daha iyi performans göstermektedir. Tahmine dayalı modellerin en iyiden en kötüye sıralaması CNN-LSTM, CNN, LSTM, GRU, ConvLSTM.
Özet (Çeviri)
The main objective of this thesis is to estimate the next values of the BIST30 index using CNN (Convolutional Neural Network – ConvNet), LSTM (Long Short-Term Memory), GRU (Gated Recurrent Unit), CNN-LSTM and ConvLSTM (ConvolutionalLSTM) which are deep learning methods from the historical data of the BIST30 index and used for the time series. The performance of the models is evaluated by calculating Mean Square Error (MSE) values. As an academic, these methods will not only be used in an ever-changing area like the stock exchange, but will also provide a way to estimate the stock market, which is a major concern for investors. The BIST30 index contains the shares of the 30 largest companies in Turkey in terms of volume and size. Both the Turkey agenda and the developments in the world are reflected in the BIST30 index, and these changes are deciding at decision-making for investors, investment experts and company managers. For those who want to invest in this, the stock exchange forecast plays a key role in increasing personal and corporate assets. According to the results from the models, CNN-based models perform better than models developed by LSTM, GRU, CNN-LSTM and ConvLSTM methods. The best-to-worst ranking of predictive models is CNN-LSTM, CNN, LSTM, GRU, ConvLSTM.
Benzer Tezler
- Bist100, Bist30 endeksleri ve bazı bist30 hisse senetlerinde fibonacci katsayılarının teknik analiz bakımından incelenmesi
Analyzing the fibonaci coefficients of Bi̇st100, Bi̇st30 indices and some bi̇st30 stocks in terms of technical analysis
FIRAT ÇOBANOĞLU
Yüksek Lisans
Türkçe
2024
EkonomiAydın Adnan Menderes ÜniversitesiEkonomi Finans Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILMAZ ERDEM
- Geometrik Brownian Hareketi modeli ile borsa endeks tahmini
Forecasting of stock market index with Geometric Brownian Motion model
TUBA ÖZKAN
- Sektörler itibariyle Borsa İstanbul verilerinin fourier ve klasik zaman serileri ile araştırılması
Examinig Borsa İstanbul data in terms of sectors with fourier and classic the series
CEBELİ İNAN
- Estimation of static and dynamic optimal hedge ratios: An application to the BIST30 index futures
Statik ve dinamik optimal korunma oranlarının tahmini: BIST30 endeks vadeli sözleşmeleri üzerine bir uygulama
SELİN UÇAR
Yüksek Lisans
İngilizce
2021
Ekonometriİstanbul Bilgi ÜniversitesiFinansal Ekonomi Ana Bilim Dalı
DOÇ. DR. SERDA SELİN ÖZTÜRK