LSTM kullanarak japon mum çubuğuna ve RSI, CCI, MA göstergelerine dayalı Forex piyasalarını tahmin etme
Forecasting Forex markets based on japanese candlestick and RSI, CCI, MA indicators using LSTM
- Tez No: 875837
- Danışmanlar: DR. ÖĞR. ÜYESİ FUAT TÜRK, ÖĞR. GÖR. MAHMUT KILIÇASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Makine öğrenmesi, Tahminleme, Deep learning, Machine learning, Forecasting
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, finansal ticarete yönelik Forex piyasası beklentilerinin incelenmesine odaklanılmıştır. Forex piyasası tahminleri, küresel finans piyasalarındaki tüccarlar ve yatırımcılar için hayati öneme sahiptir. Birçok farklı tahmin yöntemi teknik kalıplara ve finansal göstergelere dayanmaktadır. EUR/USD tahminini iyileştirmek için mum çubuklarına ve finansal değişkenlere dayalı bir Uzun Kısa Süreli Bellek (LSTM) modeli kullanıldı. Japon şamdanları finansal piyasaları değerlendirmek için en yaygın kullanılan araçlar arasındadır. Dolayısıyla fiyat kalıplarını ve alış ve satış arasındaki farkları gösteren bu mumlar, gelecekteki fiyat dalgalanmalarını tahmin etmek için önemli veriler sağlıyor. 15 dakikalık bir mum çubuğu okuması kullanılır. Ayrıca, Hareketli Ortalamalar (MA), Emtia Kanalı Endeksleri (CCI) ve Göreceli Güç Endeksleri (RSI) gibi teknik finansal göstergeler, finansal piyasalarda tahmine yönelik sinyaller oluşturmak ve eğilimleri tahmin etmek için kullanılmıştır. Bu göstergeler, modelin piyasadaki eğilimleri ve değişiklikleri tahmin etme yeteneğini değerlendirmek için gereklidir. LSTM, verileri işlemek ve döviz kurlarındaki tarihsel kalıplardan bilgi edinmek için kullanıldı. Bir grup modelle karşılaştırma yapıldı ancak LSTM modeli avantajı yakaladı. Elde edilen mutlak hata yüzdesi (MAE = 0.00043%) ve elde edilen mutlak hatanın ortalama yüzdesi (MAPE = 0.0407%) dahil olmak üzere birçok doğruluk ve istatistiksel performans ölçüsü kullanılmıştır. Performansı değerlendirmek ve model hatalarını ölçmek. Dolayısıyla bu çalışma, derin öğrenme tekniklerini kullanarak döviz tahminlerini iyileştirme yeteneğini yansıtıyor ve böylece tüccarların ve yatırımcıların koşullarının iyileştirilmesine ve onların daha akıllı yatırım seçimleri yapmalarına olanak sağlanmasına katkıda bulunabilir.
Özet (Çeviri)
In this study, the primary focus was on examining Forex market expectations for financial trading. Accurate Forex market forecasts are essential for traders and investors participating in global financial markets. Numerous forecasting methods rely on technical patterns and financial indicators. To enhance the EUR/USD forecast, an LSTM model based on candlesticks and financial variables was utilized. Japanese candlesticks rank among the most widely utilized tools for assessing financial markets. Finally, these candles, which illustrate price patterns and distinctions between buying and selling, provide crucial data for predicting future price fluctuations. A 15-minute candlestick reading was employed. Additionally, technical financial indicators like Moving Averages (MA), Commodity Channel Indices (CCI), and Relative Strength Indices (RSI) were used to generate predictive signals and estimate trends in financial markets. These indicators are vital for evaluating the model's capability to predict trends and market changes. LSTM processed data and learned from historical patterns in exchange rates. A comparison was conducted with a group of models, where the LSTM model demonstrated superiority. Various measures of accuracy and statistical performance were employed, including the achieved percentage of absolute error (MAE = 0.00043%) and the average percentage of absolute error (MAPE = 0.0407%), to assess the model's performance and measure errors. Ultimately, this study highlights the potential to enhance currency forecasts through deep learning techniques, contributing to improved decision-making for traders and investors.
Benzer Tezler
- SERU ÜRETİM KONTROLÜ İÇİN GERÇEK ZAMANLI GÖRÜNTÜ İŞLEME SİSTEMİ TASARIMI MODEL ÖNERİSİ
A PROPOSAL OF REAL TIME IMAGE PROCESSING SYSTEM DESIGN MODEL FOR SERU PRODUCTION CONTROL
MERVE ŞİŞCİ
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Profesör Doktor. ORHAN TORKUL
Doç. Dr. İHSAN HAKAN SELVİ
- Uzun kısa süreli bellek (LSTM) kullanarak bulut ortamında anomali tespiti için yeni bir akıllı sistem
A new intelligent system for anomaly detection in cloud envirounmrnt using long short-term memory (LSTM)
AHMED ADNAN KHUDHUR KHUDHUR
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEFER KURNAZ
- Uzun kısa süreli bellek (LSTM) kullanarak İstanbul ve civarı için deprem eğilimi tahmini
Earthquake trend prediction for İstanbul and surroundings using long short term memory (LSTM)
YASİN KARAKUŞ
Yüksek Lisans
Türkçe
2024
Deprem MühendisliğiBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN ALTUNTAŞ
- Çok boyutlu hibrit CNN-LSTM modeli kullanarak elektrik tüketim verilerinden tarife grubu sınıflandırması
Tariff classification with multi-dimensional deep learning using time series load data
ZÜMERYA ÜSTÜNDAĞ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH SERTTAŞ
- Fırın sensör verilerini kullanarak fotovoltaik panel üretim sürecinde zaman serisi ve LSTM yöntemi ile anomali tespiti
Anomaly detection in the photovoltaic panel production process using time series and LSTM method with furnace sensor data
YEŞİM GÖRÜR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ALİ EMRE ÖZTÜRK
DR. ERKAN KIYMIK