Borsada işlem gören hisse senetlerinin zaman serisi analitiği
Time series analytics of the stocks traded on the stock exchange
- Tez No: 751691
- Danışmanlar: PROF. DR. HAMZA EROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
Borsa, günümüzde alınıp satılabilir menkul kuymetler, döviz, vadeli işlemler vb. içeren oldukça büyük bir piyasadır. Yatırımcılar, kendilerine uygun yatırım araçlarını seçerek bu pazara yatırım yapabilmektedirler. Fakat borsa, günümüzde birçok değişkene bağlı, oldukça hareketli bir pazardır. Faiz oranı, işsizlik, enflasyon oranı gibi etkenler borsayı etkileyen faktörlerden sadece bazılarıdır. Bu kadar çok veriyi ve etkeni içeren pazarda gerçekleşen bu hareketler de oldukça hızlı gelişmektedir. Yatırımcının bu hareketlere yetişmesi de zaman zaman zorlaşmaktadır. Dolayısıyla kafa karışıklıkları ve tereddütler meydana gelebilmektedir. Genel olarak derin öğrenme mimarileri ve makine öğrenmesi yöntemleri günümüzde büyük veri analitiği konusunda oldukça başarılı sonuçlar vermektedir. Bu tez çalışmasında da bazı derin öğrenme mimarileri ve makine öğrenmesi yöntemleri kullanılarak borsada işlem gören hisse senetlerinin zaman serisi analitiği gerçekleştirilmiş ve sonuçlar değerlendirilmiştir. Çalışmanın amacı bir yatırım tavsiyesi sunmak değil, çeşitli derin öğrenme mimarilerinin ve makine öğrenmesi yöntemlerinin büyük veri analitiğindeki başarısını test etmektir. Bu tez çalışmasında bu mimarilerden Long Short Term Memory (Uzun-Kısa Süreli Bellek), Gated Recurrent Unit (Geçitli Tekrarlayan Birimler), Recurrent Neural Network (Yinelemeli Sinir Ağı); makine öğrenmesi yöntemlerinden ise Support Vector Machines (Destek Vektör Makineleri) çalışılmış, geçmiş 10 yıllık BIST 100 verilerinden çeşitli aralıklarla oluşturulmuş (günlük, haftalık ve aylık) büyük verilerin analitiği gerçekleştirilmiş ve hareketleri tahmin edilmeye çalışılmıştır.
Özet (Çeviri)
Today, the stock market is a fairly large market which includes tradable instruments, currency, futures etc. Investors can invest in this market by choosing the investment instruments suitable for them. But the stock market is a highly volatile market, dependent on many variables today. Factors such as bank rate, unemployment, inflation rate are just some of the factors that affect the stock market. These movements, which take place in the market, which contains so much data and factors, are also occuring quite rapidly. It is difficult for the investor to catch up with these movements sometimes. Therefore confusions and hesitations may occur. In general, deep learning architectures and machine learning methods give very successful results in big data analytics lately. In this thesis, time series analytics of stocks traded in the stock market were carried out by using some deep learning architectures and machine learning methods and the results were evaluated. The purpose of the study is not to provide an investment advice, but to test the success of various deep learning architectures and machine learning methods in big data analytics. Some of deep learning architectures such as Long Short Term Memory, Gated Recurrent Unit and Recurrent Neural Network also Support Vector Machines which is a machine learning method are used in this thesis. The analysis of the big data which is created at various intervals (daily, weekly and monthly) from the BIST 100 data of the past 10 years was carried out and its movements were tried to be estimated.
Benzer Tezler
- Impact of Covid-19 on Islamic and conventional stock indexes
Covıd-19'un İslami ve geleneksel hisse senedi endeksleri üzerindeki etkisi
ALMABROK F AHMİD
- İSO ilk 500'de 1993-2007 yılları arasında yer alan ve borsada işlem gören firmaların aylık getirileriyle ARCH-GARCH modellerini kullanarak volatilite hesabının yapılması
Başlık çevirisi yok
FİLİZ ARSLAN
Yüksek Lisans
Türkçe
2009
Ekonometriİstanbul ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. KUTLUK KAĞAN SÜMER
- Predicting direction of stock price movement by using adaptive ensemble learning method
Hisse senedi fiyatı hareket yönünün adaptif topluluk öğrenmesi metodu ile tahmin edilmesi
ALİ ÖZKAN PEKMEZ
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Global düzeyde modelden bağımsız sistematik olmayan volatilite ölçümü
Measuring model independent global idiosyncratic volatility
EFE DEMİR
Yüksek Lisans
Türkçe
2017
MaliyeYaşar ÜniversitesiUluslararası Ticaret Ve Finansman Ana Bilim Dalı
DOÇ. DR. MEHMET UMUTLU
- Derin öğrenmeyle hisse senedi değerlerinin tahmin edilmesi
Estimating stock values with deep learning
HÜSEYİN MUSTAFA METİN
Doktora
Türkçe
2024
MatematikMuğla Sıtkı Koçman Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ERDOĞAN GAVCAR