Geri Dön

Derin öğrenme ile döviz kurları değişimlerinin zaman serisi analizi

Time series analysis of exchange rate changes with deep learning

PDF İndir

  1. Tez No: 812649
  2. Yazar: BÜŞRA AKSEL
  3. Danışmanlar: PROF. DR. HACI HASAN ÖRKCÜ, PROF. DR. REŞAT KASAP
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 94

Özet

Finansal piyasalar içerisinde döviz kurları ülkelerin ekonomik gelişiminde önemli bir rol oynar. Döviz kurlarındaki hareketlilik araştırmacılar içinde ilgi çekici bir alan olmuştur. Döviz kurlarındaki değişim doğrusal ve durağan olmadığından doğru bir şekilde tahmin etmek oldukça zordur. Finansal verilerin fiyat tahmini için farklı tahmin teknikleri geliştirilmiştir. Zaman serisi modellemesi ve tahmini, finansal veri analizi sürecinde önemli bir rol oynar. Günümüzde teknolojinin gelişimiyle birlikte ortaya çıkan derin öğrenme modelleri görüntü sınıflandırma, ses tanıma, otomatik tercüme, hisse senede fiyat tahmini gibi birçok farklı alanda sıklıkla kullanılmaktadır. Bu çalışmada, ele alınan döviz kurları üzerinden fiyat hareketlerini tahmin etmede Genelleştirilmiş Otoregresif Koşullu Değişken Varyans (GARCH), Tekrarlayan Sinir Ağları (Recurrent Neural Networks- RNN) ve Uzun Kısa Vadeli Bellek (Long Short Term Memory- LSTM) modelleri kullanılmıştır. Çalışmada kullanılan USD/TRY ve EUR/TRY veri setleri Yahoo Finance sitesinden elde edilmiştir ve döviz kurlarının kapanış fiyat değerleri kullanılmıştır. Veri setleri 3 Ocak 2015'ten 31 Aralık 2020'ye kadar 4176 veri içermektedir. Modelin tahmin performansını değerlendirmek için istatistiksel ölçütler kullanılmıştır. USD/TRY ve EUR/TRY veri setleri üzerinden elde edilen GARCH, RNN ve LSTM modellerinin tahminleri performans değerlendirme metrikleriyle ölçülmüş ve kullanılan modellerin performansları karşılaştırılmıştır.

Özet (Çeviri)

Exchange rates in financial markets play an important role in the economic development of countries. The mobility in exchange rates has been an interesting area for researchers. Since the change in exchange rates is not linear and stationary, it is quite difficult to accurately predict. Different estimation techniques have been developed for price estimation of financial data. Time series modeling and forecasting plays an important role in the financial data analysis process. Today, deep learning models that emerged with the development of technology are frequently used in many different areas such as image classification, voice recognition, automatic translation, stock price prediction. In this study, Generalized Autoregressive Conditional Variable Variance (GARCH), Recurrent Neural Networks (RNN) and Long Short Term Memory (LSTM) models were used to predict price movements over the exchange rates discussed. The USD/TRY and EUR/TRY data sets used in the study were obtained from the Yahoo Finance site and the closing price values of the exchange rates were used. The datasets contain 4176 data from January 3, 2015 to December 31, 2020. Statistical measures were used to evaluate the prediction performance of the model. Estimates of GARCH, RNN and LSTM models obtained from USD/TRY and EUR/TRY datasets were measured with performance evaluation metrics and the performances of the models used were compared.

Benzer Tezler

  1. Tez No

    575064

    Görsel derin öğrenme ile döviz kuru hesaplama

    Exchange rate calculation with visual deep learning

    EMRE JILTA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEM TAŞKIN

  2. Tez No

    857120

    Makine öğrenmesine dayalı hisse senedi değer tahmini

    Machine learning-based stock price prediction

    BURAK HÜSEYİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiYalova Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İBRAHİM SABUNCU

  3. Tez No

    885503

    Machine learning applications for time series analysis

    Zaman serileri analizi için makine öğrenmesi uygulamaları

    MERT CAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  4. Tez No

    557392

    Essays on electricity price modeling and forecasting

    Elektrik fiyatlarının modellenmesi ve tahmini üzerine makaleler

    UMUT UĞURLU

    Doktora

    İngilizce

    İngilizce

    2019

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

  5. Tez No

    717724

    Davranışsal iktisat perspektifinde Trump'ın sosyal medyadaki söylemleri ile döviz hareketleri ilişkisinde kamusal önlemler

    Public measures in the relationship of Trump's disclosures on social media and foreign exchange movements in behavioral economics perspective

    VOLKAN BOZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EkonomiPamukkale Üniversitesi

    Maliye Ana Bilim Dalı

    DOÇ. DR. AYLİN İDİKUT ÖZPENÇE

Geri Dön