Finansal zaman serisi tahmininde açıklanabilir yapay zeka ile makine öğrenimi tahmin performansının geliştirilmesi
Improving machine learning prediction performance with explainable artificial intelligence in financial time series prediction
- Tez No: 838539
- Danışmanlar: DOÇ. DR. ELİF BULUT, DR. ÖĞR. ÜYESİ ÖZGÜR İCAN
- Tez Türü: Doktora
- Konular: İstatistik, İşletme, Statistics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Son zamanlarda, makine öğrenimi tekniklerini kullanarak borsa fiyat yönünü başarılı bir şekilde tahmin etmede önemli miktarda çaba sarf edilmektedir. Makine öğrenmesi teknikleri ve modelleri, yapısı gereği literatürde kara kutu olarak adlandırılırlar, yani modelin yapmış olduğu tahmin ve çıkarımların nasıl yapıldığına dair çıkarsama yapılamaz. Bu duruma dair çözüm önerileri“açıklanabilir yapay zeka”çatısı altında geliştirilmektedir. Bu çalışmada daha başarılı makine öğrenmesi teknikleri geliştirmek yerine mevcut modellerin tahminlerinin güvenilirliğini değerlendirmek için kullanılabilecek ve böylece karar vericinin genel tahmin performansının düşmesinden sorumlu olan kötü kararlardan kaçınmasına olanak tanıyan bir açıklanabilir yapay zeka yaklaşımı önerilmektedir. Çünkü tahmin modelinin herhangi bir tahminden ne kadar emin olduğunun bir ölçüsü olsaydı, nispeten daha yüksek güvenilirliğe sahip tahminler karar vermek için kullanılabilirken, daha düşük kaliteli kararlardan kaçınılabilmesine olanak sağlanabilir. Bu çalışmada, makine öğrenimi, açıklanabilir yapay zeka ve deneysel mod ayrışımına dayalı borsa yönü tahmini için yeni bir iki aşamalı tahmin modeli önerilmiştir. Çalışmanın bulgularına göre tahmin modelinin literatürdeki mevcut tahmin modellerinden daha başarılı sonuçlar ürettiği gösterilmektedir.
Özet (Çeviri)
Recently, significant efforts have been made to successfully predict the direction of stock prices using machine learning techniques. Machine learning techniques and models are inherently referred to as black boxes in the literature, meaning that no inference can be made about how the model makes its predictions and inferences. Solution proposals for this issue are being developed under the umbrella of“explainable artificial intelligence”. In this study, we suggest using an explainable AI approach that can be used to evaluate the reliability of the predictions of existing models instead of developing more successful machine learning techniques, thereby allowing decision-makers to avoid bad decisions that are responsible for the overall prediction performance decrease. Because if there was a measure of how certain the prediction model is about any given prediction, relatively more reliable predictions could be used for decision-making, and lower-quality decisions could be avoided. In this study, a new two-stage prediction model based on machine learning, explainable artificial intelligence and empirical mode decomposition is proposed for predicting the direction of the stock market. According to the findings of the study, the prediction model produces more successful results than existing prediction models in the literature.
Benzer Tezler
- Piyasa etkinliği ve modern portföy kuramı
Efficent markets and modern portfolio theory
İBRAHİM FIÇICIOĞLU
Yüksek Lisans
Türkçe
2002
İşletmeMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
PROF. DR. NİYAZİ BERK
- New model for forecasting financial data
Finansal verilerin öngörüsü için yeni bir model
ÖZGÜN SEYMEN UZUN
Yüksek Lisans
İngilizce
2019
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
- Spillovers between Turkish house pricing, stock exchanges, gold, CDS and exchange rate
Türkiye konut fiyatları, hisse endeksleri, altın, CDS ve döviz kuru arasındaki yayılımlar
ESER ŞENTÜRK
Yüksek Lisans
İngilizce
2019
Ekonometriİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- Mali endeks ve banka hisse senetlerinin volatilite tahmininde ARCH-GARCH-EGARCH modellerinin testi: İMKB'de bir uygulama
Testing the ARCH-GARCH-EGARCH models on volatility estimation of fiscal endex and bank shares
ERSİN ÇATALBAŞ
Yüksek Lisans
Türkçe
2005
BankacılıkGazi ÜniversitesiBankacılık Eğitimi Bilim Dalı
YRD. DOÇ. DR. MEHMET ARSLAN
- Zaman serileri için optimize ARIMA-YSA hibrit modeli ve finansal zaman serileri ile örnek uygulamalar
Optimized ARIMA–ANN hybrid model for time series and sample applications with financial time series
MAHMUT BURAK ERTURAN