Geri Dön

Derin öğrenmede tekrarlayan sinir ağları yaklaşımı ile hisse senedi fiyat tahmini

Stock price prediction with recurrent neural networks approach in deep learning

  1. Tez No: 826952
  2. Yazar: GÜLDENİZ CANATAN
  3. Danışmanlar: PROF. DR. GÜZİN YÜKSEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Zaman Serisi Tahmini, Tekrarlayan Sinir Ağları, Deri Öğrenme, Time Series Forecasting, Recurrent Neural Networks, Deep Learning
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

Zaman serisi tahmini, geçmiş veri noktalarını zaman sırasına göre düzenleyerek gelecekteki olaylar veya değerler hakkında tahminler yapmayı amaçlayan bir analiz ve modelleme yaklaşımıdır. Bu yöntem, istatistik, ekonometri, finans, meteoroloji gibi birçok alanda kullanılır. Son yıllarda, makine öğrenmesi ve derin öğrenme gibi yeni metodolojilerin yükselişi ile sinir ağları, finansal tahminlerde önemli bir araç haline gelmiştir. Bu çalışma, finansal hisse senedi verilerini tahmin etmek amacıyla tekrarlayan sinir ağı mimarilerini kullanmaktadır. Sinir ağları, karmaşık ve doğrusal olmayan ilişkileri yakalama yeteneği ile öne çıkar ve eksik verileri işleme yeteneği sayesinde bazı avantajlar sunar. Bu çalışma, sinir ağlarıyla kurulan modellerin klasik stokastik zaman serisi yöntemleri ile karşılaştırılmasına odaklanır ve sinir ağlarının finansal tahminlerdeki potansiyel üstünlüklerine vurgu yapar. Sinir ağları, geleneksel yöntemlerin ötesine geçerek, finansal piyasa verilerinin karmaşıklığını ve dinamiklerini daha iyi anlama ve daha doğru tahminler yapma yeteneği sunabilir. Bu çalışma, finansal analistler ve araştırmacılar için yeni bir bakış açısı sunarak, sinir ağlarının finansal tahminlerde nasıl kullanılabileceğini araştırır.

Özet (Çeviri)

Time series forecasting is an analysis and modeling approach that aims to make predictions about future events or values by arranging historical data points in time order. This method is used in many fields such as statistics, econometrics, finance, and meteorology. In recent years, with the rise of new methodologies such as machine learning and deep learning, neural networks have become an important tool in financial forecasting. This study uses recurrent neural network architectures to predict financial stock data. Neural networks stand out for their ability to capture complex and non-linear relationships and offer some advantages thanks to their ability to handle incomplete data. This study focuses on the comparison of models built with neural networks with classical stochastic time series methods and emphasizes the potential advantages of neural networks in financial forecasting. Going beyond traditional methods, neural networks can offer the ability to better understand the complexity and dynamics of financial market data and make more accurate predictions. This study explores how neural networks can be used in financial forecasting, offering a new perspective for financial analysts and researchers.

Benzer Tezler

  1. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  3. CNN-based text-independent automatic speaker identification

    Evrişimsel sinir ağı tabanlı metinden bağımsız otomatik konuşmacı tanılama

    MANDANA FASOUNAKI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE

  4. Derin öğrenme ile debi tahmini

    Streamflow prediction with deep learning

    CANER BOYRAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞEREF NACİ ENGİN

  5. Improved helicopter classification via deep learning and overlapped range-doppler maps

    Derin öğrenme ve örtüşen menzil-doppler görüntüleri ile geliştirilmiş helikopter sınıflandırması

    DENİZ CAN ACER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER