Geri Dön

A hybrid deep learning based framework for stock market prediction

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 796064
  2. Yazar: DOAA AZEEZ AMEEN AL-BAIRMANI
  3. Danışmanlar: YRD. DOÇ. DR. OSMAN NURİ UÇAN
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 67

Özet

Araştırmacıların zaman serileri ve makine öğrenmesi metodolojilerini kullanarak çeşitli finansal enstrümanların hareket yönünün tahmin edilmesine yönelik çalışmalara yoğunlaştığı görülmektedir. Hem akademik araştırmacılar hem de uygulayıcılar, sermaye piyasası araçlarının gelecekteki hareketleri hakkında tahminlerde bulunmak ve bu tahminleri kazanca dönüştürmek için finansal ticaret stratejileri geliştirmektedir. Bu çalışmada, yeni kombinasyon tabanlı k-ortalama ve LSTM uygulanmış borsa veri seti kullanılmıştır. Önerilen yöntem birkaç metrik parametre kullanılarak doğrulanmıştır. MSE'nin sonuçları KNN 4.3, SVR 2.5, Boosting 3.5, MLP, 4.5, Önerilen Borsa tahmin yöntemi 1.4'tür. Bu, önerilen yöntemin minimum hata oranı sunduğu anlamına gelir. Ayrıca, Kök Ortalama Kare Hatası şu şekilde hesaplanmıştır: KNN 3.1, SVR 2.9, Boosting 3.1, MLP 4.1, Önerilen Borsa tahmin yöntemi 1.5. Ayrıca, Ortalama Mutlak Hata gösterildiği gibi: KNN 2.9, SVR 1.9, Boosting 3.3, MLP 3.2 ve Önerilen Borsa tahmin yöntemi 0.9. Önerilen yöntem, özellik seçme tekniği olarak k-ortalama ile ünlü makine öğrenme teknikleri olan sınıflandırıcı olarak LSTM'yi birleştirdi. ayrıca sonuçları değerlendirmek için DT, SVM ve KNN gibi çeşitli teknikler uygulanmıştır.

Özet (Çeviri)

It is seen that researchers concentrate on studies related to the estimation of the direction of movement of various financial instruments by using time series and machine learning methodologies. Both academic researchers and practitioners develop financial trading strategies to make predictions about the future movements of capital market instruments and to turn these predictions into profits. In this study, new combination based k-mean and LSTM applied stock market dataset. The proposed method validated using several metrics parameters. The results of MSE are KNN 4.3, SVR 2.5, Boosting 3.5, MLP, 4.5, Proposed Stock market prediction method 1.4. This mean that the proposed method presented minimum error rate. Furthermore, Root Mean Square Error calculated as : KNN 3.1, SVR 2.9, Boosting 3.1, MLP 4.1, Proposed Stock market prediction method 1.5. Moreover, Mean Absolute Error as shown: KNN 2.9, SVR 1.9, Boosting 3.3, MLP 3.2, and Proposed Stock market prediction method 0.9. The proposed method combined k-mean as feature selection technique and LSTM as classifier which is famous machine learning techniques. furthermore, several techniques such as DT, SVM and KNN applied to evaluate the results.

Benzer Tezler

  1. Tez No

    730318

    Büyük veri ve makine öğrenmesi kullanılarak elektrik tüketim örüntülerinin çıkarılması

    Extracting electricity consumption patterns using big data and machine learning

    FATİH ÜNAL

    Doktora

    Türkçe

    Türkçe

    2022

    EnerjiFırat Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    PROF. DR. SAMİ EKİCİ

  2. Tez No

    685389

    Deep learning for multi-contrast MRI synthesis

    Çoklu kontrast MRG için derin öğrenme

    MAHMUT YURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA ÇUKUR

  3. Tez No

    816241

    Deep learning approaches for autism spectrum dis-order diagnosis: Ensemble archtectures and multi-modal analysis

    Otizm spektrum bozukluğu teşhisi için derin öğrenme yaklaşımları: Topluluk mimarileri ve multimodal analiz

    ASSIL JABY

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Yapay Zeka Ana Bilim Dalı

    PROF. DR. MD BAHARUL ISLAM

  4. Tez No

    901033

    Çok sınıflı medikal görüntü sınıflandırması için melez derin öğrenme yaklaşımları

    Hybrid deep learning approaches for the multi class medical image classification

    ZELİHA KAYA AKÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖNÜL ULUDAĞ

  5. Tez No

    856275

    Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

Geri Dön