Doğru ve yanlış al sat önerilerinin finansal teknik indikatörler ile ayırt edilmesi
Distinguishing true and false buy/sell triggers from financial technical indicators
- Tez No: 803105
- Danışmanlar: PROF. DR. OSMAN ABUL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: TOBB Ekonomi ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Bu çalışmanın amacı, Doğru ve Yanlış Al / Sat önerilerini ayırt etmek için makine öğrenme yöntemi ile bir karar destek sistemi geliştirmektir. 30/70 Göreceli Güç İndeksi şeması gibi çeşitli öneri şemaları birçok yatırımcı tarafından etkin bir şekilde kullanılmaktadır. Bununla birlikte, bu öneri şemalarından üretilen sinyaller art arda ve çok sık olması dolayısıyla çoğu zaman şüpheli bulunmakta ve bu nedenle eyleme geçilememektedir. Bu çalışmada, fiyat verilerinden faydalanarak optimal bir yatırım modeli çıkarmak için dinamik programlama formülasyonu geliştirilmektedir. Bu optimal yatırım modeli, çeşitli finansal göstergelerle daha sonra çevrimiçi olarak başvurulabilecek ikili sınıflandırma modelini elde etmek için kullanılmaktadır. Dolayısıyla, önerilen sistem yatırımcılara birincil tavsiye veren indikatörlerden kalan belirsizliklerin ortadan kaldırılmasına yardımcı olur. Dinamik programlama formülasyonu, doğrusal zamanda verimli bir şekilde çalışmaktadır. Dinamik Programlama, birincil önericinin AL-SAT önerilerinin içinden daha iyi olanlarının belirlenip, etiketlenmesi aşamasında kullanılmıştır. Bu yaklaşım, deneysel olarak BIST-100, DOW-30 hisse senetleri ve döviz kurları üzerinde değerlendirilmiştir. Tahmin özellikleri olarak kullanılan teknik göstergeler; Göreceli Güç İndeksi, Trend Normalize edilmiş Göreceli Güç İndeksi, Yüzde Fiyat Osilatörü, Bollinger Bant Yüzdesi, Stokastik Osilatör, Fiyat Değişim Oranı ve Emtia Kanal İndeksi'dir. Bu çalışmada, Destek Vektör Makineleri, ikili sınıflandırma modeli olarak kullanılmaktadır. Bir günün sonunda oluşan göstergeleri öznitelik olarak kullanmanın yanı sıra, ardışık iki günün teknik göstergeleri öznitelik olarak kullanılarak daha başarılı sonuc elde edilmiştir. Bu çok zor ikili sınıflandırma görevinde tek günün verileri ile %70 üzerinde, ardışık iki günün verileri ile %73un üzerinde doğruluk elde edilmiştir.
Özet (Çeviri)
The objective of this study is to develop decision support system applying machine learning methods to distinguish True and False Buy/Sell recommendations. Various recommendation schemes, like 30/70 RSI (Relative Strength Index) scheme, are effectively used by many traders. However, the triggers produced by such recommendation schemes are found suspicious most of the time, and hence are non-actionable. In this study we develop a dynamic programming formulation to extract an optimal trade pattern from the price data sets. Such patterns are further augmented with several financial indicators to obtain binary classification model which is going to be consulted online. So, our system assists investors with removing uncertainties left from the primary recommender. We show that our dynamic programming formulation runs efficiently in linear time. Dynamic Programming is used to identify and label the better ones among the primary BUY and SELL recommendations. The approach is experimentally evaluated on BIST-100, DOW-30 stocks and currency pairs. The technical indicators used as predictor features are RSI, Trend Normalized RSI, Percentage Price Oscillator, Bollinger Band Percentage, Stochastic Oscillator, Rate of change (ROC), and Commodity Channel Index (CCI). We use Support Vector Machines as the binary classification algorithm. In addition to using the indicators formed at the end of each day as an attribute, better results were obtained by using the technical indicators of two consecutive days as attributes. Accuracy over %70 was achieved with data from a single day and over %73 with data from two consecutive days in this very difficult binary classification task.
Benzer Tezler
- Teknik analiz yönteminin bulanık mantık yaklaşımı ile uygulaması BIST30, BIST100 endeksleri örneği
Implementation of technical analysis method with fuzzy logic approach: BIST30,BIST100 index type
MUSTAFA DEMİRCAN
Yüksek Lisans
Türkçe
2016
Bankacılıkİstanbul Aydın ÜniversitesiBankacılık ve Sigortacılık Ana Bilim Dalı
YRD. DOÇ. DR. ÇİĞDEM ÖZARI
- Algoritmik ticaret ve Borsa İstanbul uygulaması
Algorithmic trading and a practice on Borsa Istanbul
RIDVAN HEKİM
Yüksek Lisans
Türkçe
2022
MaliyeMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
PROF. DR. SERVER DEMİRCİ
- Nasır sonrası dönemde Müslüman kardeşler: İşbirliği ve çatışma döngüsünde rejimle ilişkiler
The Muslim brotherhood in post-nasser era: Relations with the regime within the cycle of cooperation and confrontation
ÖZGE GÖKÇEN TERZİ
Yüksek Lisans
Türkçe
2014
Uluslararası İlişkilerUludağ ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
PROF. DR. TAYYAR ARI
- Biomechanical investigation of proper and improper squatting technique
Doğru ve yanlış squat hareketinin biyomekanik incelemesi
ZUBAIDAH AL-ABBASI
Yüksek Lisans
İngilizce
2021
BiyomühendislikBahçeşehir ÜniversitesiBiyomühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU TUNÇ ÇAMLIBEL
- Mehdî el-Mahzûmî ve Arap dil çalışmalarındaki yeri
Mahdi al-Mahzoumi and his place in Arabic language studies
EINASS ALHARBI
Yüksek Lisans
Türkçe
2024
DilbilimKütahya Dumlupınar ÜniversitesiTemel İslam Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM TEKİN