Farklı döviz kurları ve emtia fiyatlarının makine öğrenmesi yaklaşımlarıyla tahmin edilmesi
Forecasting different exchange rates and commodity prices with machine learning approaches
- Tez No: 845657
- Danışmanlar: DOÇ. DR. YUSUF KUVVETLİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Çelik endüstrisi ekonomik ilerlemenin bir göstergesi olarak kabul edilmekle birlikte toplumsal kalkınmaya katkısı ve günlük hayatımızda birçok şekilde geniş kapsamlı kullanımı, refahımız için önemini belirlemektedir. Bu nedenle bu tez çalışmasında makine öğrenmesi yöntemleri kullanılarak, çelik sektörünün fiyat tahminlenmesi için üç model önerilmiştir. İlk modelde tüm verilerle, ikinci modelde son üç yıllık verilerle tüm döviz kurları ve emtia fiyatlarının bir sonraki günkü değerleri ve üçüncü modelde ise Türkiye demir çelik fiyatlarına özel bir model önerilmiştir. 25 değişken için üç farklı tahmin yönteminin de elde ettiği veriler incelendiğinde en iyi tahmin yaklaşımının rastgele orman algoritması (RF) olduğu görülmektedir. RF'in eğitimde
Özet (Çeviri)
The steel industry is widely acknowledged as a key indicator of economic progress owing to its significant contribution to social development and ubiquitous application in our lives. This underscores its pivotal role in determining our welfare. This thesis proposes three models using machine learning methods for price prediction in the steel sector. The first model utilizes all available data, the second model considers the last three years of data along with all foreign exchange rates and commodity prices to predict the next day's values, while the third model focuses on a specific model for Turkey's iron and steel prices.Upon examining the data obtained from three different prediction methods for 25 variables, it is observed that the Random Forest algorithm (RF) yields the best prediction results. RF achieves an absolute mean percentage error of less than 1% during training. Poor results are obtained with Artificial Neural Networks (ANN) at 19.6% and Support Vector Regression (SVR) at 300%. Furthermore, in the prediction study conducted by separating the last three years of the dataset, Random Forest Algorithm again demonstrates excellent performance, albeit with an increase in error rates for all models. Enhanced data set predictions result in more accurate outcomes. The analysis reveals a strong correlation between Turkey's CRC and HRC Turkey values and the dataset. For Turkey CRC, ANN produces a 1.67% error, RF a 0.55% error, and SVR a 2.63% error. For HRC Turkey, ANN yields a 1.71% error, RF a 0.57% error, and SVR a 2.35% error, indicating the model's accuracy and precision in generating reliable predictions. Finally, it is suggested that fine-tuning machine learning algorithms can lead to better results, and the optimization of hyperparameters has been observed to enhance prediction success. Particularly, optimizations for Turkey CRC and HRC Turkey dependent variables have resulted in more successful prediction outcomes for Artificial Neural Networks (1.49% - 1.52%), Random Forest Algorithm (0.49% – 0.52%), and Support Vector Machines (2.34% - 2.00%).
Benzer Tezler
- KOBİ lerde finansal risk yönetimi ve Des Sanayi Sitesinde faaliyet gösteren işletmelere yönelik bir araştırma
A field research on financial risk practices of the SMEs: Example of Des Industrial Area
BAHADIR ESER YAZICI
- Macro stress testing in Turkish banking sector and tail dependence in financial, energy and commodity markets
Türk bankacılık sektöründe makro stres testi ve finansal, enerji ve emtia piyasalarında kuyruk bağımlılığı
ZEHRA ATİK
Doktora
İngilizce
2024
Ekonometriİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- Opsiyon piyasaları ve opsiyonların hedging amaçlı kullanımı
Options markets and the usage of options for the aim of hedging
MAHMUT KAYACIK
- Makine öğrenmesine dayalı hisse senedi değer tahmini
Machine learning-based stock price prediction
BURAK HÜSEYİN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiYalova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM SABUNCU