Yatırım kararlarında Elliott Dalgalarının YOLO nesne algılama algoritması ile tespiti ve analizi
Detection and analysis of Elliott Waves in investment decisions with YOLO object detection algorithm
- Tez No: 800005
- Danışmanlar: DR. ÖĞR. ÜYESİ LATİFE SİNEM SARUL
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Elliott Dalgaları, Nesne Tespit Algoritması, YOLO, S&P 500, CNN, Dürtü-Düzeltici, Elliott Waves, Object Detection Algorithm, YOLO, S&P500, CNN, Impulse-Corrective
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
Genel olarak, piyasaların artan karmaşıklığı ve oynaklığı, yatırımcılar için karar vermeyi her zamankinden daha zor ve belirsiz hale getirmiştir. Yatırımcılar başarılı olmak için araştırmalarında özenli olmalı ve yeni yatırım yöntemlerini incelemelidirler. Bu çalışmada, nesne algılama algoritması olan YOLO kullanılarak iki boyutlu mum grafiklerinde Elliott Dalgaları tespit edilmiş ve yatırım kararlarında farklı bakış açısı kazandırması hedeflenmiştir. Bununla birlikte, bu tezin temel amacı, iki boyutlu mum grafiklerinde Elliott Dalgalarını doğru bir şekilde tespit ve analiz edebilecek bir yöntem geliştirmektir. YOLO adı verilen bu nesne algılama algoritması, evrişimsel sinir ağı mimarisi üzerine inşa edilmiştir. Gerçek zamanlı görüntülerdeki nesneleri doğru ve verimli bir şekilde tespit edebilen son teknoloji bir çözüm olarak kabul edilmektedir. Bu model 2000-2021 yılları arasında işlem gören S&P 500'de listelenen hisse senetleri veri seti üzerinde eğitilmiştir. Model daha sonra performansını ölçmek için 2022 yılı test veri kümeleri üzerinde değerlendirilmiştir. Sonuçlar, YOLO'nun Elliott Dalgalarını %80'lik bir doğrulukla tespit ettiğini ve %10,594'lük toplam kâr oranı ile analiz edebilme yeteneğini ortaya koymaktadır. Sonuç olarak, bu tezin bulguları YOLO'nun mum grafiklerinde Elliott Dalgalarını tespit ve analiz etmek için uygulanabilir bir teknik olduğuna dair kanıtlar sunmaktadır. Önerilen yaklaşım, zaman serilerine gerek duymadan yalnızca hisse senetlerinin iki boyutlu mum grafiklerini analiz ederek Dürtü-Düzeltici kararları verebilen bir modeldir. Bu model, daha etkili yatırım kararları almak amacıyla kullanılabilir. Özetle, bu araştırma finansal tahmin alanına önemli bir katkı sağlamakta ve yatırımcıların kullanabileceği değerli bir araç sunmaktadır.
Özet (Çeviri)
In general, the increasing complexity and volatility of markets has made decision-making for investors more difficult and uncertain than ever before. To be successful, investors should be diligent in their research and examine new investment methods. In this study, Elliott Waves were detected in two-dimensional candlestick charts using YOLO, an object detection algorithm, and provided a different perspective on investment decisions. The main purpose of this thesis is to develop a method that can accurately detect and analyze Elliott Waves in two-dimensional candlestick charts. This object detection algorithm, called YOLO, is built on a convolutional neural network architecture. It is considered a state-of-the-art solution that can accurately and efficiently detect objects in real-time. This model is trained on a dataset of stocks listed on the S&P500 traded between 2000-2021. The model was then evaluated on 2022 test datasets to measure its performance. The results reveal YOLO's ability to detect Elliott Waves with an accuracy of 80% and analyze it with an overall profit rate of 10,594%. In conclusion, the findings of this thesis provide evidence that YOLO is a viable technique for detecting and analysing Elliott Waves in candlestick charts. The proposed approach is a model that can make Impulse-Corrective decisions by analysing only two-dimensional candlestick charts of stocks without the need for time series. This model can be used to make more effective investment decisions. In summary, this research makes a significant contribution to the field of financial forecasting and offers a valuable tool that investors can utilize.
Benzer Tezler
- Elliott dalga prensipleri ve altın piyasası üzerine bir uygulama
Elliott wave principles and an application on gold market
SERKAN MANGA
- Ocak ayı anomalisinin davranışsal finans üzerindeki yeri: BİST'te bir uygulama
The place of anomaly of january month on behavioral finance: An application in BIST
NAGİHAN ŞİMŞEK
- Yatırım kararlarında mamul yaşam seyri maliyetlemenin kullanılması ve bir uygulama örneği
Usage of product life cycle costing in investment decisions and a sample practive
SEÇİL ERGÜL
Yüksek Lisans
Türkçe
2008
İşletmeAfyon Kocatepe Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. TÜLAY FİDANCI TELLİOĞLU
- Yatırım kararlarında davranışsal önyargılara yönelik bir inceleme
A research on behavioural biases in investment decisions
SELİN GÜLÇİN KAYNAR
Yüksek Lisans
Türkçe
2018
İşletmeDokuz Eylül Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. GÖKTUĞ CENK AKKAYA