Makine öğrenmesine dayalı hisse senedi değer tahmini
Machine learning-based stock price prediction
- Tez No: 857120
- Danışmanlar: DOÇ. DR. İBRAHİM SABUNCU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yalova Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 91
Özet
Bu çalışmada, beş farklı ülkede (Türkiye, Fransa, Amerika, Avusturya ve İngiltere) petrol rafineri sektöründe faaliyet gösteren şirketlerin fiyat analizleri ve fiyatını etkileyen değişkenlerin önem düzeyleri ile ilgili araştırmalar gerçekleştirilmiştir. Araştırmanın amacı, çeşitli bağımsız değişkenleri kullanarak bağımlı değişken olan hisse fiyatını tahmin etmektir. Bağımlı değişken ile altı kategoride toplam 74 bağımsız değişken arasındaki ilişki incelenmiştir. Bu kategoriler teknik göstergeler, temel göstergeler, ülke endeksleri, fiyatla ilgili değişkenler, petrol üretim verileri, petrol fiyatı ve döviz kurları şeklindedir. Her bir hisse ile incelenen değişkenler arasında korelasyon analizleri gerçekleştirilmiştir. Korelasyon analizleri için Rapid Miner Auto Model modülü kullanılmıştır. Özellikle beş farklı hisse türü için fiyatla ilgili değişkenler arasında anlamlı sonuçlara rastlanmıştır. En düşük korelasyon değerine sahip değişkenler teknik göstergeler ve petrol üretim veriler olmuştur. En güçlü ilişkiler ise temel göstergeler, ülke endeksleri olarak tespit edilmiştir. Araştırmada tahmin edilmeye çalışılan hisse fiyatları için hangi değişkenlerin önemli olduğu sorusuna yanıt aranmıştır. Tahminler Rapid Miner programı kullanılarak gerçekleştirilmiştir. Çalışmada kullanılan algoritmalar: Lineer Regresyon, Karar Ağacı, Derin Öğrenme, Rastgele Orman, Gradyan Artırma, KNN, Neural Network ve Destek Vektör Makinesi (SVM)'dir. Bu tahminlerin doğruluğunu değerlendirmek için kök ortalama kare hata (RMSE), ortalama mutlak hata (MAE) ve ortalama mutlak yüzde hata (MAPE) gibi değerlendirme metrikleri kullanılmıştır. Chevron, OMV, Total ve Tüpraş şirketleri için en iyi sonuçlar SVM yöntemi ile elde edilmiştir. Shell şirketi için ise en iyi sonuç, Neural Network yöntemi ile bulunmuştur. Elde edilen bulgulara dayanarak, en iyi sonuçlar genellikle Destek Vektör Makinesi (SVM) yöntemi ile elde edilmiştir. Fakat her hisse türü için her ülkede uygulanabilecek tek bir en iyi yöntem olmadığı açıktır. Bu nedenle en doğru tahminleri üretmek için, belirli bir ülke ve değerlendirilen hisse senedi temel alınarak en uygun yöntemin belirlenmesi gereklidir. Yapılan bu çalışma ile emtia bazlı şirketlere yatırım yapan yatırımcılar için önemli değişkenlerin hangileri olduğu ve yatırımcılar hangi algoritmaları kullanmaları durumunda en yüksek verimlilikle yatırımlarını gerçekleştirir sorularına yanıt aranmıştır.
Özet (Çeviri)
In this study, research has been conducted on the price analyses of companies operating in the petroleum refinery sector in five different countries (Turkey, France, America, Austria, and England) and the significance levels of variables affecting the price. The aim of the research is to predict the stock price, which is the dependent variable, using various independent variables. The relationship between the dependent variable and a total of 74 independent variables in six categories has been examined. These categories include technical indicators, fundamental indicators, country indices, price-related variables, oil production data, oil prices, and exchange rates. Correlation analyses have been conducted between the variables examined with each stock. The Rapid Miner Auto Model module has been used for correlation analyses. Significant results have been found among the price-related variables for five different stocks. The variables with the lowest correlation values were technical indicators and oil production data. The strongest relationships were identified as fundamental indicators and country indices. The research aimed to answer the question of which variables are important for predicting stock prices. Predictions were made using the Rapid Miner program. The algorithms used in the study are Linear Regression, decision tree, deep learning, random forest, gradient boosting, KNN, artificial neural network, and SVM. Evaluation metrics such as RMSE, MAE, and MAPE were used to assess the accuracy of these predictions. The best results for Chevron, OMV, Total, and Tüpraş companies were obtained with the SVM method. For Shell, the best result was found with the artificial neural network method.
Benzer Tezler
- Kripto varlık fiyatları üzerinde seçili hisse senedi piyasa endeksleri ile emtiaların etkisi: Makine öğrenmesine dayalı ampirik bir çalışma
The effect of selected stock market indices and commodities on crypto asset prices: An empirical study based on machine learning
OSMAN CAN TÜRK
Doktora
Türkçe
2025
İşletmeBandırma Onyedi Eylül Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. METİN KILIÇ
DR. ÖĞR. ÜYESİ İNCİ MERVE ALTAN
- Daily close price estimation for Exxonmobil and British Petroleum Corporations using machine learning and deep learning models: A pilot study
Exxonmobil ve British Petroleum Corporations için makine öğrenmesi ve derin öğrenme modelleri kullanarak günlük kapanış fiyatı tahmini: Bir pilot çalışma
AHMED YASEEN KHUDHUR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri ve Veri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜNET EROĞLU
- Network analysis of co-search-based investor attention on stock prices
Ortak arama tabanlı yatırımcı dikkatinin hisse senedi fiyatları üzerindeki ağ analizi
MÜGE ÖZDEMİR
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. OKTAY TAŞ
- Makine öğrenmesi ile hisse senetlerinin fiyat tahminlemesi: BİST 100' de bir uygulama
Price forecasting of shares by machine learning: An application in BIST 100
OSMAN NURİ AKARSU
- Equity portfolio optimization using reinforcement learning: An emerging market case
Pekiştirmeli öğrenme ile hisse senedi portföyü optimizasyonu: Gelişmekte olan piyasa örneği
MERT CANDAR
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ