Geri Dön

Ensemble learning for automated asset return forecast

Otomatik varlık getirisi tahmini için topluluk öğrenme

  1. Tez No: 855854
  2. Yazar: DİMA ALNAHAS
  3. Danışmanlar: DOÇ. DR. TANER ARSAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Kadir Has Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Mühendislik ve Doğa Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 84

Özet

Bu tezin amacı, yeni tahmin modellerinin eğitimi, doğulanması ve test edilmesindeki zorlukları azaltılmış zaman maliyeti ve karmaşıklıkla ele alan bir makine öğrenimi operasyon mimarisi sağlamaktır. Bu mimari, birleştirme teknikleri yoluyla finansal zaman serisi tahmini için çeşitli tahmin modellerini bir araya getirmeye yönelik bir araç sağlar. Önerilen metodoloji, değişen ve ani piyasa davranışları için güvenilir bir tahmin üretmek amacıyla çoklu tahmin sonuçlarının entegrasyonunu araştırmaktadır. Bu mimarinin işlevselliği, Hareketli Ortalama Yakınsama Iraksama, Gizli Markov Modeli, Uzun Kısa Süreli Bellek ve Transformer modelleri gibi teknik analiz ve derin öğrenme teknikleri uygulanarak araştırılmaktadır. Bu çalışma, bu modellerin performansını üç farklı varlık sınıfı için incelemektedir.

Özet (Çeviri)

The purpose of this thesis is to provide a machine learning operations architecture that addresses the challenges of training, validating, and testing new prediction models with reduced time cost and complexity. This architecture provides a tool to ensemble various prediction models for financial time series forecast through ensemble techniques. The proposed methodology investigates the integration of multiple prediction results to produce a reliable prediction for varying and sudden market behaviors. The functionality of this architecture is investigated by implementing technical analysis and deep learning techniques such as Moving Average Convergence Divergence, Hidden Markov Model, Long Short-Term Memory, and Transformer models. This study inspects the performance of these models for three different asset classes.

Benzer Tezler

  1. Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti

    Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19

    MERVE BEGÜM TERZİ

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  2. Kontrastlı mamografi görüntülerinde benign ve malign meme kitlelerinin radyomik özelliklerinin karşılaştırılması

    Comparison of radiomic features of benign and malign breast masses on contrast enhanced mammography images

    AYKUT TEYMUR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer TıpKaradeniz Teknik Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. SİBEL KUL

  3. Cross-market analysis of deep learning models for electricity price forecasting

    Elektrik fiyat tahmini için derin öğrenme modellerinin piyasalar arası analizi

    ÇAĞATAY BERKE BOZLAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CLAUDIA FERNANDA YAŞAR

  4. Araç içi ağlarda makine öğrenmesi tabanlı saldırı tespit sistemi

    Machine learning based intrusion detection for in-vehicle networks

    SONER CAN KALKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ

  5. Using natural language processing for automated construction contract review during risk assessment at the bidding stage

    Teklif aşamasında risk değerlendirmesi yaparken doğal dil işleme kullanarak inşaat sözleşmelerinin otomatik olarak gözden geçirilmesi

    GÖRKEM EKEN

    Doktora

    İngilizce

    İngilizce

    2022

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA TALAT BİRGÖNÜL

    PROF. DR. İREM DİKMEN TOKER