A hybrid deep learning based framework for stock market prediction
Başlık çevirisi mevcut değil.
- Tez No: 796064
- Danışmanlar: YRD. DOÇ. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Wind-optimized route planning with deep reinforcement learning
Derin pekiştirmeli öğrenme ile rüzgar optimizasyonlu rota planlaması
MELİH SAFA CENGİZ
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ BAŞPINAR
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- AI-enhanced dynamic preemptive resource allocation in next generation cellular networks
Yeni nesil hücresel ağlarda yapay zeka destekli dinamik öncelikli kaynak tahsisi
EGE ENGİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Sağlık hizmetlerinde MR tabanlı beyin tümörü teşhisi için derin öğrenme destekli bir klinik karar destek sistemi
A deep learning-enhanced clinical decision support system for MRI-based brain tumor diagnosis in healthcare
ÖMER ÇELİK
Doktora
Türkçe
2025
Sağlık Kurumları YönetimiSüleyman Demirel ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
PROF. DR. NEZİHE TÜFEKCİ
DOÇ. DR. İSHAK PAÇAL
- X-ışını görüntülerinde pediatrik el bileği patolojilerinin tespiti ve sınıflandırılması için hibrit bir derin öğrenme yaklaşımı
A hybrid deep learning approach for detection and classification of pediatric wrist pathologies in X-ray images
ELİF MERVE ERZEN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERTAN BÜTÜN
DR. ÖĞR. ÜYESİ MUGAHED A. AL-ANTARI