Stock market prediction using sentiment analysis and deep learning
Duygu analizi ve derin öğrenme kullanarak borsa tahmini
- Tez No: 758536
- Danışmanlar: Prof. Dr. SÜREYYA AKYÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Stock market prediction using machine learning models
Makine öğrenmesi modellerini kullanarak hisse senedi öngörüsü
ATAKAN SİTE
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZERRİN IŞIK
- 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
2022
Bilgi ve Belge YönetimiAtatürk ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. UĞUR YAVUZ
- Text analytics in stock market price prediction
Borsa tahminlemede metin analitiği
EMRE KARAŞAHİN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEMİH UTKU
DR. ÖĞR. ÜYESİ OKAN ÖZTÜRKMENOĞLU
- 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
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP HİLAL KİLİMCİ