Geri Dön

Türkiye'deki finansal yatırım araçlarına yönelik tahminlemede zaman serileri analizi ve derin öğrenme tekniklerinin karşılaştırılması

Comparison of time series analysis and deep learning techniques in forecasting financial investment instruments in Turkey

  1. Tez No: 787322
  2. Yazar: MERVENUR TELATAR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ FERİDUN CEMAL ÖZÇAKIR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Zaman serileri analizi, derin öğrenme teknikleri, tahminleme, SARIMA modeli, LSTM modeli, döviz kuru, borsa, Time series analysis, deep learning techniques, forecasting, SARIMA model, LSTM model, exchange rate, stock market
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İstanbul Okan Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 117

Özet

Günümüzde zamanı etkili kullanmanın ve geleceği öngörmenin kişi ve kurumları daha avantajlı konuma getirdiği görülmektedir. Dolayısıyla bir olgunun geçmiş zaman dilimindeki değerlerinin analiz edilerek gelecekte alabileceği değerlerinin tahmin edilmesi önem kazanmıştır. Teknolojinin ve bilgisayar yazılımlarının geliştirilmesi ile bu alanda önemli düzeyde ilerlemeler kat edilmiş olup, yaşamın her alanında etkili tahmin yapmak ve rasyonel kararlar alabilmek adına geçerli ve güvenilir tahminleme yöntemleri geliştirilmiştir. Bu yöntemlerden olan zaman serileri analizi ve derin öğrenme teknikleri sıklıkla kullanılmaktadır. Zaman serisi analizinde ve derin öğrenme tekniklerinde tahmin yapılırken, tahmin yapılan olayın gelecekte alabileceği değerlerin, geçmiş zamanda aldığı değerlere benzer şekilde meydana geleceği öngörülmektedir. Dünya finans piyasasında döviz kurlarında, döviz bazlı finans işlemlerinde ve borsa endeksinde bu yöntemler kullanarak yatırım kararları verilmesi yatırımcılar ve araştırmacılar için önemli bir alternatif oluşturmuştur. Alanyazında yer alan çalışmalarda, veri setinin durağan olması ve mevsimsellik barındırması durumunda zaman serileri analizinde mevsimsel otoregresif bütünleşik hareketli ortalama (SARIMA) modelinin, derin öğrenme tekniklerinde uzun kısa süreli bellek (LSTM) modelinin iyi performans gösterdiği görülmektedir. Bu çalışmada kullanılan Amerikan Doları (USD)/ Türk Lirası (TL) döviz kuru gerçek verileri ve BIST100 borsa gerçek verileri ile elde edilen veri setlerinin de bu özelliklere (durağan olmama, mevsimsellik) sahip olmasından dolayı SARIMA ve LSTM modelleri kullanılarak zaman serisi analizi ve derin öğrenme gerçekleştirilmiştir. Veri analizi işlemleri Python programlama dilinden ve çeşitli Python kütüphanelerinden yararlanılarak yapılmıştır. Analiz kapsamında modellerin geleceğe yönelik tahminlemedeki doğruluğu araştırılmıştır ve bu doğrultuda modeller arasında karşılaştırma yapılmıştır.

Özet (Çeviri)

At the present time, it is seen that using time effectively and predicting the future brings individuals and institutions to a more advantageous position. Therefore, it has become important to analyze the values of a phenomenon in the past time period and to predict its future values. With the development of technology and computer software, significant progress has been made in this field, and valid and reliable estimation methods have been developed in order to make effective predictions and make rational decisions in all areas of life. Time series analysis and deep learning techniques, which are among these methods, are frequently used. While making predictions in time series analysis and deep learning techniques, it is predicted that the values that the predicted event may take in the future will occur like the values it took in the past. Making investment decisions using these methods in exchange rates, foreign exchange-based financial transactions and stock market index in the world financial market has created an important alternative for investors and researchers. In the studies in the literature, it is seen that the seasonal autoregressive integrated moving average (SARIMA) model in time series analysis and the long short-term memory (LSTM) model in deep learning techniques perform well in case the data set is stationary and has seasonality. Since the data sets obtained with the US Dollar (USD) / Turkish Lira (TL) exchange rate data and Bist100 stock market data used in this study have these characteristics (non-stationary, seasonality), time series analysis and deep learning were performed using SARIMA and LSTM models. Data analysis processes were carried out in Python programming language and using various Python libraries. Within the scope of the analysis, the accuracy of the models in predicting the future was investigated and a comparison was made between the models in this direction.

Benzer Tezler

  1. Kripto paraların Türkiye'nin seçilmiş makroekonomik değişkenleri üzerine etkisi: Bitcoin örneği

    The impact of cryptocurrencies on selected macroeconomic variables of Turkey: Bitcoin case

    GÖKHAN SALMAN

    Doktora

    Türkçe

    Türkçe

    2024

    Bilim ve TeknolojiManisa Celal Bayar Üniversitesi

    İktisat Ana Bilim Dalı

    DOÇ. DR. MUSTAFA HAKAN YALÇINKAYA

  2. Portfolio diversification as a hedge against inflation in an emerging market: Turkey case

    Gelişen bir ülkede enflasyondan korunmak için portföy çeşitlendirmesi: Türkiye örneği

    MUSTAFA ÖZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Ekonomiİstanbul Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU

    PROF. DR. ŞAKİR GÖRMÜŞ

  3. Türk sermaye piyasasının ekonomik analizi ve Türkiyede hisse senedi fiyatlarını belirleyen etkenler

    L Analyse econoique du marche du capital turc et les facteurs qui determinent les prix des actions en turquie

    SADUN ABAÇ

    Doktora

    Türkçe

    Türkçe

    1986

    Ekonomiİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. HAYDAR KAZGAN

  4. Türkiye'deki mevcut konut binalarının enerji verimliliği iyileştirmeleri ile nSEB'e dönüştürülmesi: Finansal bariyerler ve çözüm önerileri

    Transformation of existing residential buildings in Turkey into nZEB with energy efficiency improvements: Financial barriers and solution proposals

    BEGÜM DİKER

    Doktora

    Türkçe

    Türkçe

    2024

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. FATİH YAZICIOĞLU

  5. Film financing in Turkey

    Türkiye'de film finansmanı

    HÜSEYİN YENER

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Sahne ve Görüntü SanatlarıBahçeşehir Üniversitesi

    Sinema Televizyon Ana Bilim Dalı

    PROF. DR. SAVAŞ ARSLAN