Geri Dön

Makine öğrenmesi algoritmaları ile borsa verilerinin tahminlenmesi

Prediction of stock market data with machine learning algorithms

  1. Tez No: 797502
  2. Yazar: DİLARA ELİZE PAMUKÇU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ONUR UĞURLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İZMİR BAKIRÇAY ÜNİVERSİTESİ
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Borsa endeks verileri finansal zaman serileri içerisinde önemli bir yere sahiptir. Bu tezin amacı, Borsa İstanbul 100 endeks (BİST 100) değerinin tahminlenmesidir. Bu amaç doğrultusunda tezde, makine öğrenmesi algoritmalarından Karar Ağacı, k-En Yakın Komşuluk (k-EYK), Rassal Orman, Aşırı Rassallaştırılmış Ağaçlar, Adaptif Yükseltme, Oylama ve Torbalama algoritmaları kullanılmıştır. Çalışmada BİST 100 günlük kapanış verilerini içeren 02.01.2013-28.10.2021 yılları arasındaki 2214 iş gününden oluşan bir veri seti kullanılmıştır. Geliştirilen modelde bir sonraki günün BİST 100 değeri için tahminleme gerçekleştirilmiştir. Algoritmalarının tahmin performanslarını değerlendirmek için ortalama karesel hata (OKH), hata kareler ortalamasının karekökü (KOKH), ortalama mutlak hata (OMH) ve belirlilik katsayısı (R2) ölçütleri kullanılmıştır. Sonuç olarak, Rassal Orman ve Torbalama algoritmaları için R2 değeri0,87, Adaptif Yükseltme, Aşırı Rassallaştırılmış Ağaçlar ve Oylama algoritmaları için ise R2 değeri 0,88'dir. Bununla birlikte geleneksel makine öğrenmesi algoritmaları Karar Ağacı ve K-EYK algoritmalarının 0,84 ve 0,83 değerleri ile topluluk öğrenme algoritmalarına göre daha düşük bir tahmin performansı göstermiştir. Tez kapsamında elde edilen sonuçlar BİST 100 değerlerinin zaman serileri ile modellenerek yüksek bir başarım ile tahminlenebileceğini göstermektedir.

Özet (Çeviri)

Stock market index data has an important place in financial time series. The aim of this thesis is to forecast the value of the Borsa İstanbul 100 index. For this purpose, machine learning algorithms Decision Tree, k-Nearest Neighbors (k-EYK), Random Forest, Extra Trees, AdaBoost, Voting, and Bagging algorithms were used in the thesis. A data set consisting of 2214 business days between 02.01.2013 and 28.10.2021, which includes BIST 100-day closing data, was used. In the developed model, estimations were made for the BIST 100 value of the next day. In order to evaluate the prediction performances of the algorithms, the mean square error, the root mean square error, the mean absolute error and the coefficient of determination criteria were used. As a result, the R2 value for the Random Forest and Bagging algorithms is 0,87, and the R2 value for the AdaBoost, Extra Trees, and Voting algorithms is 0,88. However, traditional machine learning algorithms showed lower prediction performance than ensemble learning algorithms with 0,84 and 0,83 R2 values of Decision Tree and K-EYK algorithms. The results show that BIST 100 values can be estimated with high performance by modeling with time series.

Benzer Tezler

  1. Sign predictability of intraday price returns to formulate appropriate trading strategies with optimum set of equities

    Optimum hisse senedi kümesi ile uygun işlem stratejileri oluşturmak için gün içi fiyat getirilerinin işaret tahmin edilebilirliği

    ABDURRAHMAN KILIÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Ekonometriİstanbul Teknik Üniversitesi

    İktisat (İngilizce) Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU

  2. Predicting stock prices in bist: A reinforcement learning and sentimental analysis approach

    Pekiştirmeli derin öğrenme ve duyarlılık analizi yaklaşımı ile bıstteki hisselerin fiyatlarının tahmin edilmesi

    ŞEYMA EĞE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Büyük Veri ve Veri Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  3. Borsa verilerinin derin öğrenme ve yapay sinir ağı yöntemleri ile tahmin edilmesi

    Forecasting time series with deep learning and artificial intellgence

    ALİ İSA TAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Arel Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKALP TULUM

  4. Tviter verileri üzerinde sınıflandırma algoritmaları kullanarak hisse senedi değerleri için yön tahmini

    Direction estimation for stock values by using classification algorithms on twitter data

    MUSTAFA VEHBİ TÜRKALP

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BARIŞ KOÇER

  5. Elektroensefalografi işaretlerinin makine öğrenmesi algoritmaları ile incelenmesi ve sınıflandırılması

    Analysis and classification of electroencephalography signal using machine learning algorithms

    ŞULE BEKİRYAZICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiBursa Uludağ Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNEŞ YILMAZ