Geri Dön

Forecasting brent oil futures prices using machine learning

Yapay öğrenme kullanarak brent petrol vadeli işlem fiyatlarını öngörüleme

PDF İndir

  1. Tez No: 767852
  2. Yazar: EMRE KAAN YILMAZ
  3. Danışmanlar: PROF. DR. METİN TÜRKAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 132

Özet

Özellikle likit mallar veya varlıklar için son derece karlı ticaret ve yatırımlara yol açan fiyat verileri başta olmak üzere, stratejiyi ve gelecekteki karlı ticari operasyonları tanımlamak için doğru tahmin gereklidir. Bu tez projesi, başarılı finansal ve satış tek değişkenli veri zaman serisi tahmin modellerini araştırır ve Brent Ham Petrol Vadeli İşlemleri fiyatının tahmininde çeşitli yöntemler uygularken, üç ana bölümden oluşan uygun bir veri analizi sürecini öneren ayrıntılı bir şekilde analiz eder: veri incelemesi , model değerlendirme ve sonuç analizi. Bu veri analizi süreci, verilerin altında yatan meta hakkında ayrıntılı bilgi sahibi olmak, tahmin modellerini test etmek, karar vermek, ilgili veriler hakkında çıkarımlarda bulunmak vb. için herhangi bir veriye uygulanabilir. Daha sonra tahmin yöntemlerinin performansı aşağıdakilere göre değerlendirilir. aşağıdaki hata ölçümleri: Ortalama Mutlak Hata (MAE), Ortalama Mutlak Yüzde Hatası (MAPE), Ortalama Kare Hatası (RMSE) ve İzleme Sinyali. Bir dizi tahmin modeli kullanılır: Statsmodel kütüphanesine göre Hareketli Ortalama, manuel olarak kodlanmış Hareketli Ortalama, Holt's Metodu, Holt's Winters Metodu, Uzun Vadeli Kısa Bellek, Oto-regresif Entegre Hareketli Ortalama (ARIMA), Mevsimsel Oto-regresif Entegre Hareketli Ortalama (SARIMAX), Statsmodel kütüphanesi ile Basit Üstel Düzeltme, manuel olarak kodlanmış Basit Üstel Düzeltme, 2 gizli katmana sahip Derin Sinir Ağı, Destek Vektör Regresyonu, Kth En Yakın Komşular Regresyonu.

Özet (Çeviri)

Accurate forecasting is needed to define strategy and profitable future business operations, particularly of price data which leads to highly profitable trades and investments especially for liquid goods or assets. This thesis project researches successful financial and sales univariate data time-series forecasting models, and applies various methods in the forecasting of Brent Crude Oil Futures price while analyzing in a detailed way which proposes a proper data analysis process which involves three main parts: data examination, model evaluation and result analysis. That data analysis process can be applied to any data in order to have detailed information about the underlying commodity of the data, test forecasting models, make decisions, make inferences about related data, etc. The performance of the forecasting methods is then evaluated according to the following error measures: Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Root Mean Square Error (RMSE) and Tracking Signal. A number of forecasting models are used: Moving Average by Statsmodel library, manually coded Moving Average, Holt's Method, Holt's Winters Method, Long Term Short Memory, Auto-regressive Integrated Moving Average (ARIMA), Seasonal Auto-regressive Integrated Moving Average (SARIMAX), Simple Exponential Smoothing by Statsmodel library, manually coded Simple Exponential Smoothing, Deep Neural Network with 2 hidden layers, Support Vector Regression, Kth Nearest Neighbors regression.

Benzer Tezler

  1. Tez No

    855463

    Otomotiv döküm parça talep tahmininin yapay sinir ağları ile modellenmesi ve arıma yöntemi ile karşılaştırmalı analizi

    Modeling automotive casting part demand forecasting with artificial neural networks and comparative analysis with arima method

    SELİNAY KAYALI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERVE CENGİZ TOKLU

  2. Tez No

    857089

    Derin sinir ağları ile çok değişkenli hisse fiyatı tahmini

    Multivariable stock price forecasting with deep neural networks

    SELİM SERİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. GÜLDER KEMALBAY

  3. Tez No

    900709

    Yapay sinir ağları ile talep tahmini: Türkiye'deki otomobil sektöründe bir uygulama

    Demand forecasting with artificial neural networks: An application in the automobile industry in Turkey

    MEHMET ZEKİ SEÇMEN

    Doktora

    Türkçe

    Türkçe

    2024

    İşletmeBingöl Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. SAİT PATIR

  4. Tez No

    572571

    Volatility spillovers and dynamic hedgings: Evidence from selected stock markets, precious metalsand oil futures

    Oynaklık taşmaları ve dinamik korunmalar: Seçilen hisse senedi piyasalarından, değerli metallerden ve petrol işlemlerinden kanıt

    TUNAHAN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Ekonometriİstanbul Teknik Üniversitesi

    Ekonomi Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU

  5. Tez No

    371639

    Zaman serilerinin dilsel özetlenmesi: Avrupa Brent Petrol spot piyasa fiyatı üzerine bir uygulama ve Türkiye perspektifinden yorumlar

    Linguistic summarization of Europe Brent spot price time series along with the interpretations from the perspective of Turkey

    HAKAN HATİPOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Endüstri ve Endüstri MühendisliğiGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DİYAR AKAY

Geri Dön