LSTM derin öğrenme yöntemi ile manipülasyonlu işlemlerin tespiti: Borsa İstanbul uygulaması
Başlık çevirisi mevcut değil.
- Tez No: 873090
- Danışmanlar: DOÇ. DR. SİBEL FETTAHOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Maliye, İşletme, Finance, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Muhasebe Finansman Bilim Dalı
- Sayfa Sayısı: 105
Özet
Sermaye piyasalarında manipülasyon, piyasa mekanizmasının sağlıklı işleyişini bozan ve yatırımcı güvenini zedeleyen ciddi bir sorundur. Manipülasyon, piyasa fiyatlarını ve sermaye piyasası araçlarının değerlerini kasıtlı olarak etkileyerek yapay bir piyasa görünümü yaratmayı amaçlar. Bu tür faaliyetler, piyasaların şeffaflığına zarar verir ve hem yatırımcılar hem de düzenleyici otoriteler için büyük bir endişe kaynağıdır. Türk Sermaye Piyasası'nda manipülasyon işlemleri, Sermaye Piyasası Kurulu (SPK) tarafından titizlikle izlenmekte ve düzenlenmektedir. SPK, piyasa dolandırıcılığı ve piyasa bozucu eylemleri tespit etmek ve önlemek amacıyla sıkı denetimler ve cezai yaptırımlar uygulamaktadır. Makine öğrenmesi, finansal piyasalarda manipülasyon tespiti ve önlenmesinde önemli bir rol oynar. Büyük veri setlerini analiz ederek ve gelişmiş algoritmalar kullanarak, manipülatif faaliyetlerin izlerini sürmek ve hızlı bir şekilde tespit etmek mümkündür. Bu çalışmada, Borsa İstanbul'da gerçekleşen manipülasyon işlemlerinin tespit edilmesinde Uzun Kısa Süreli Bellek (LSTM) modeli kullanılmıştır. Araştırma, 2020-2023 yılları arasında Borsa İstanbul'da işlem gören ve SPK bültenlerinde manipülasyon yapıldığı belirtilen şirketleri kapsamaktadır. Çalışma, manipülasyon yapılan işlemlerin zaman içindeki örüntülerini belirlemeyi ve bu örüntüler üzerinden LSTM modelinin etkinliğini değerlendirmeyi amaçlamaktadır. Modelin doğruluğu, duyarlılık, özgüllük, kesinlik, hata oranı ve F-skora gibi performans metrikleri ile değerlendirilmiştir. Elde edilen sonuçlar, LSTM modelinin hem eğitim hem de test verileri üzerinde yüksek performans gösterdiğini ve manipülasyon tespiti konusunda etkili olduğunu ortaya koymuştur. Bu araştırma, sermaye piyasalarında manipülasyonun daha iyi anlaşılmasına ve önlenmesine yönelik yeni yöntemlerin geliştirilmesine katkıda bulunmayı hedeflemektedir.
Özet (Çeviri)
Manipulation in capital markets is a significant issue that disrupts the healthy functioning of market mechanisms and undermines investor confidence. Manipulation aims to create an artificial market appearance by intentionally affecting market prices and the values of capital market instruments. Such activities harm the transparency of markets and are a major concern for both investors and regulatory authorities. In the Turkish Capital Market, manipulative activities are meticulously monitored and regulated by the Capital Markets Board (CMB). The CMB enforces strict oversight and imposes sanctions to detect and prevent market fraud and disruptive actions. Machine learning plays a crucial role in detecting and preventing manipulation in financial markets. By analyzing large datasets and using advanced algorithms, it is possible to trace and quickly identify manipulative activities. In this study, a Long Short-Term Memory (LSTM) model was employed to detect manipulative activities in Borsa Istanbul. The research encompasses companies listed on Borsa Istanbul, which were identified as being manipulated in CMB bulletins between 2020 and 2023. Data regarding these manipulated companies were obtained from CMB bulletins and analyzed using the Matriks Prime application. The study aims to identify patterns in manipulative activities over time and evaluate the effectiveness of the LSTM model based on these patterns. The accuracy of the model was assessed using performance metrics such as accuracy, sensitivity, specificity, precision, error rate, and F-score. The results revealed that the LSTM model performed highly on both training and test data, proving effective in detecting manipulation. This research aims to contribute to the development of new methods for better understanding and preventing manipulation in capital markets.
Benzer Tezler
- A new framework for decentralized social networks: Harnessing blockchain, deep learning, and natural language processing
Merkezsiz sosyal ağlar için yeni bir çerçeve: Blok zinciri, derin öğrenme ve doğal dil işlemeyi kullanmak
AMIR AL KADAH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ BALTA
- İnsansı robotlarda nesne algılama ve tanıma için yeni derin öğrenme algoritmalarının geliştirilmesi
Development of novel deep learning algorithms for object detection and recognition in humanoid robots
SİMGE NUR ASLAN
Yüksek Lisans
Türkçe
2021
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL UÇAR
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- A situational awareness framework for connected autonomous vehicles
Bağlantılı otonom araçlar için durum farkındalık sistemi
DERYANUR TEZCAN
Yüksek Lisans
İngilizce
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ÖKE GÜNEL
- Derin öğrenme ile günlük aktivite ve seyahat türlerini birlikte tanıma
Activity recognition and transport mode detection using deep learning
JEMSHIT ISKANDEROV
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AMAÇ GÜVENSAN