Geri Dön

Makine öğrenmesi algoritmaları ile dinamik portföy modellemesi

Dynamic portfolio modelling via machine learning algorithms

  1. Tez No: 776008
  2. Yazar: BURAK ALTINIŞIK
  3. Danışmanlar: PROF. DR. ENGİN DEMİREL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Maliye, Finance
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Trakya Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Muhasebe Denetimi Bilim Dalı
  13. Sayfa Sayısı: 72

Özet

Bu çalışmanın amacı Borsa İstanbul bünyesinde işlem gören ve sekiz farklı sektörden oluşturulan otuz dokuz hisseden oluşan portföy havuzundan önceki yılların verileri analiz edilerek geleneksel istatistiki yöntemler ve makine öğrenmesi (LSTM) yöntemleri ile oluşturulan iki adet homojen sekiz adet hisseden portföyün performanslarını karşılaştırmaktır. Geleneksel yöntemde 2016-2020 kapanış fiyatları ile getiri, risk, beta katsayıları ile değişim katsayıları hesaplanmıştır, 2020-2021 için lineer regresyon analizleri geçekleştirilip ve en optimize sekiz adet hisseden portföy oluşturulmuştur. Diğer tarafta 2016-2020 verileri makinelere öğretilmiş buna göre 2020-2021 tahmini yaptırılmıştır ve bu tahminlere göre performans açısından en iyi sekiz hisse portföye dahil edilmiştir. Her iki portföyün gerçekleşen performansları karşılaştırılmıştır.

Özet (Çeviri)

The aim of this study is benchmarking about two portfolios that traditionally analyzed and machine learning (LSTM) trained which both they are selected eight securities from a thirty-nine-equity pool which is included Borsa İstanbul and which they are came from eight different sectors. In traditional statistical method, Returns, risks, beta coefficients, Return-risk ratios of equities are calculated by using 2016-2020 closed prices and linear regression is used for the prediction of 2020-2021, Thus most successful eight equity is selected for portfolio. On other side artificial neural networks are trained with data of 2016-2020 and end of this training predictions of 2020-2021 are used for creating of second portfolio which is made of most successful equites aspect of potential.

Benzer Tezler

  1. Machine learning applications for time series analysis

    Zaman serileri analizi için makine öğrenmesi uygulamaları

    MERT CAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  2. Portfolio optimization with wavelet analysis and neural fuzzy networks

    Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu

    ÖMER ZEKİ GÜRSOY

    Doktora

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

  3. Yinelemeli sinir ağları ile sermaye piyasası yön tahmini üzerine bir çalışma

    A study on direction prediction of capital markets with recurrent neural networks

    MUHİDDİN ÇAĞLAR EREN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  4. Fama-French varlık fiyatlama modellerinin makine öğrenmesi yöntemleri ile değerlendirilmesi: Uluslararası pazar portföyleri üzerine bir uygulama

    Evaluation of Fama-French asset pricing models with machine learning methods: An application on international market portfolios

    ESRA SARIOĞLU

    Doktora

    Türkçe

    Türkçe

    2023

    İşletmeMersin Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. TURHAN KORKMAZ

    DOÇ. DR. İREM ERSÖZ KAYA

  5. Perakende sektöründe dinamik fiyatlandırma ile gelir optimizasyonu

    Revenue optimization application with dynamic pricing in retail industry

    SİNEM BATMACA

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNEM BÜYÜKSAATÇI KİRİŞ