Veri madenciliği teknikleri ile Borsa İstanbul pay piyasası pazarlarında fiyat hareketlerinin tahmini
Predicting of stock price movements with data mining techniques on Borsa Istanbul equity markets
- Tez No: 740306
- Danışmanlar: DOÇ. DR. NEZİH TAYYAR
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Uşak Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 357
Özet
Bilişim teknolojilerinde yaşanan gelişmelerle, veri madenciliği/makine öğrenmesi teknikleri finans alanında da hızla yerini almıştır. Yapılan literatür incelemesinde, hem yerli hem de yabancı literatürde çalışmaların ağırlığının endeks yön tahminlerinde olduğu görülmüştür. Buradan hareketle çalışmanın amacı; tanınmış paylar dışında kalan paylara da yer verilerek, Borsa İstanbul Pay Piyasasının farklı pazarlarında işlem gören paylar arasında, veri madenciliği yöntemleri ile yapılacak yön tahminlerine ait doğru sınıflandırma oranlarının karşılaştırılmasıdır. Çalışma dönemi olarak 03 Mayıs 2010 – 31 Aralık 2019 tarihleri arası (2430 gün) seçilmiş, günlük ve haftalık periyotlarla çalışılmıştır. Pay senetlerine, BIST 100 Endeksi (XU100), BİST TÜM-100 Endeksi (XTUMY) ve USD/TL Efektif Satış kuruna ait veriler ve bu veriler yardımıyla hesaplanan teknik göstergeler bağımsız değişkenler olarak belirlenerek pay senetlerine ait kapanış fiyatlarının hareket yönü tahmin edilmeye çalışılmıştır. Tahmin modelleri hazırlanırken, farklı veri normalleştirme ((0, +1) aralığında min-maks ve z-skor) ve öznitelik azaltma yöntemleri (Temel Bileşen Analizi ve Rastlantısal Ormanlar) de karşılaştırılmıştır. Tahminler Lojistik Regresyon, Destek Vektör Makineleri, Naif Bayes ve K–En Yakın Komşu yöntemleriyle yapılmıştır. Sonuçlar, fiili dolaşımdaki payların piyasa değeri en yüksek olanların yer aldığı Yıldız Pazar Grup 1 paylarının, en düşük olanların yer aldığı Ana Pazar Grup 2 paylarına göre daha yüksek tahmin doğruluk oranına sahip olduğunu göstermektedir. Periyotlar açısından net bir sonuç ortaya koymak zor olmuştur. En yüksek doğruluk oranları aritmetik ortalaması haftalık verilerle elde edilse de çoğunlukla günlük verilerle hazırlanan modellerin doğruluk oranlarının aritmetik ortalamaları daha yüksektir. Normalleştirme yöntemleri arasında anlamlı bir fark bulunmadığı ve Rastlantısal Ormanların Temel Bileşen Analizi'den daha başarılı öznitelik seçim yöntemi olduğu görülmüştür. En başarılı tahmin yöntemi ise Destek Vektör Makineleridir.
Özet (Çeviri)
In the field of finance with the developments of information technologies, data mining/machine learning techniques had rapidly taken their place. Both domestic and foreign literature review, it has been seen that the studies mainly include direction estimation of indexes. From this point of view, the aim of the study is to compare the correct classification rates of the direction predictions via including the stocks other than the recognized stocks to be made by data mining methods among the stocks traded in different markets of Borsa Istanbul Equity Market. The time interval (2430 days) between the date of 03 May 2010 and 31 December 2019 were selected as the working period and worked with daily and weekly periods. Stocks, BIST 100 Index (XU100), BIST All Shares-100 Index (XTUMY) and USD/TRY Banknote Selling rate and technical indicators that calculated with the help of these datas were determined as independent variables, then the direction of closing prices of the stocks was tried to be predicted. While preparing the prediction models, different data normalization (min-max [0, +1] and z-score) and feature reduction methods (Principal Component Analysis and Random Forests) were also compared. Logistic Regression, Support Vector Machines, Naive Bayes and K–Nearest Neighbor methods were used for predictions. The results show that, BIST Stars Group 1 stocks have greater accuracy rates than BIST Main Group 2 stocks. It has been difficult to come up with a clear result in terms of periods. Although the arithmetic average of the highest accuracy rates is obtained with weekly data, the arithmetic average accuracy rates of the models that prepared with daily data are higher mostly. It was seen that there was no difference between normalization methods and Random Forests are more successful feature selection method than Principal Component Analysis. The most successful prediction method is Support Vector Machines.
Benzer Tezler
- Sermaye piyasalarında veri madenciliği uygulamaları: Borsa İstanbul örneği
Data mining applications in capital markets: The example of Borsa Istanbul
SABAHATTİN NUR
Yüksek Lisans
Türkçe
2024
Ekonomiİskenderun Teknik ÜniversitesiEkonomi Finans Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAMİYE EKİM DERTLİ
- Bağımsız denetim kalitesini artırıcı bir yöntem olarak veri madenciliği: Borsa İstanbul uygulaması
Data mining as a means to improve the auditing quality: Application of İstanbul Stock Exchange
İSMAİL FATİH CEYHAN
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Borsa İstanbul (BİST) 100 endeksi yönünün ekonomi haberleri ile tahmin edilmesi
Prediction of Borsa Istanbul 100 index direction using financial news articles
HAKAN GÜNDÜZ
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEHRA ÇATALTEPE
- Borsa ve döviz verileri üzerinde veri madenciliği teknolojisini kullanarak zarar riskini azaltan bir uygulama geliştirimi
Developing an application that reduce damage risk using data mining technology on stocks and foreign currency
HÜSEYİN AKTÜRK
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. SERDAR KORUKOĞLU