Geri Dön

Stock market prediction using sentiment analysis and deep learning

Duygu analizi ve derin öğrenme kullanarak borsa tahmini

  1. Tez No: 758536
  2. Yazar: AYMANE BENKHALDOUN
  3. Danışmanlar: Prof. Dr. SÜREYYA AKYÜZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 48

Özet

Şirketlerin ne zaman alıp satacağını bilmeleri, borsanın çok değişken olması sebebi ile şirketlerin ve bireylerin kârlarını artırmalarına ve zararlarını azaltmalarına büyük ölçüde yardımcı olabilmektedir. Birçok şirket, hisse senedi fiyatlarının hareketini tahmin etmek için veri madenciliği yöntemlerini ve zaman serisi analizini kullanmaktadırlar. Son zamanlarda, metin verisi madenciliği, borsa tahmin tartışmalarında yükselen bir konu olmuştur. Bu tezde, tüm modellerin sonuçlarını değerlendirmek ve karşılaştırmak için en büyük beş şirketin tarihsel hisse senedi fiyatları üzerinde iki derin öğrenme modeli (Uzun Kısa Süreli Bellek (LSTM) ve Tek Boyutlu Evrişimsel Sinir Ağı (1D CNN)) kullanılmıştır. Hisse senedi fiyat değerlerine ek olarak, fiyat değer değişimlerini genel kamuoyu ile ilişkilendirmek için tweet'lere doğal dil işleme yöntemleri (TextBlob) uygulanarak duyarlılık puanları eklenmiştir. TextBlob kütüphanesi diğer dört duygu kitaplığıyla karşılaştırmalı bir çalışma yapıldıktan sonra seçilmiştir. Bu tezde, LSTM'in 1D CNN'den daha iyi performans gösterdiğini ve TextBlob'un hisse senedi ile ilgili Tweet duyarlılık analizi için en iyi doğal dil işleme kütüphanesi olduğunu göstermiştir.

Özet (Çeviri)

The stock market can be volatile; knowing when to buy and sell can drastically help companies and individuals to increase their profit and cut their losses. Many companies have already adjusted data mining methods, namely time-series analysis to predict the movement of stock prices. Lately, mining textual data has been an emerging topic in stock market prediction discussions. In this study, two deep learning models (Long Short-Term Memory (LSTM) and One-Dimensional Convolutional Neural Network (1D CNN)) were used on five of the biggest companies' historical stock prices to evaluate and compare all the models' results subsequently. In addition to stock price values, sentiment scores were added by applying natural language processing methods (TextBlob) to tweets to relate the price value changes with the general public sentiment. TextBlob was chosen after conducting a comparative study with four other sentiment libraries. The study showed that LSTM performs better than 1D CNN and TextBlob is the best natural language processing library for stock-related Tweet sentiment analysis.

Benzer Tezler

  1. Stock market prediction using machine learning models

    Makine öğrenmesi modellerini kullanarak hisse senedi öngörüsü

    ATAKAN SİTE

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZERRİN IŞIK

  2. Doğru yatırım kararları için yapay zekâ tekniklerini kullanarak borsa tahmininin kapsamlı analizi

    Comprehensive analysis of stock market prediction using artificial intelligence techniques for accurate investment decisions

    FARES ABDULHAFIDH DERHEM DAEL

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgi ve Belge YönetimiAtatürk Üniversitesi

    Yönetim Bilimleri Ana Bilim Dalı

    PROF. DR. UĞUR YAVUZ

  3. Text analytics in stock market price prediction

    Borsa tahminlemede metin analitiği

    EMRE KARAŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEMİH UTKU

    DR. ÖĞR. ÜYESİ OKAN ÖZTÜRKMENOĞLU

  4. 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

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  5. Zaman Serisi Analizi ve Derin Öğrenme Modelleri Kullanarak Amerikan Doları/Türk Lirası Döviz Kuru İçin Hibrid Tahmin Modeli

    A Hybrid Forecasting Model for American Dollar/Turkish Lira Exchange Rate Using Time Series Analysis and Deep Learning Models

    HARUN YAŞAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP HİLAL KİLİMCİ