Makine öğrenmesi algoritmaları ile borsa verilerinin tahminlenmesi
Prediction of stock market data with machine learning algorithms
- Tez No: 797502
- Danışmanlar: DR. ÖĞR. ÜYESİ ONUR UĞURLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İZMİR BAKIRÇAY ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2024
Ekonometriİstanbul Teknik Üniversitesiİktisat (İngilizce) Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- 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
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve Veri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- 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
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Arel ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKALP TULUM
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ KOÇER
- Elektroensefalografi işaretlerinin makine öğrenmesi algoritmaları ile incelenmesi ve sınıflandırılması
Analysis and classification of electroencephalography signal using machine learning algorithms
ŞULE BEKİRYAZICI
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ YILMAZ