Navigating BIST100 investments through symbolic aggregateapproximation clustering: Insights for investors
Sembolik toplam yaklaşım kümelemesi yoluyla BIST100 yatırımlarında yön bulma: Yatırımcılara yönelik bilgiler
- Tez No: 876302
- Danışmanlar: DOÇ. DR. RAMAZAN ÜNLÜ, DR. İSMET SÖYLEMEZ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ticaret ile uğraşan kişiler ve yatırımcılar da dahil olmak üzere piyasa paydaşları, bilinçli karar verme amacıyla borsa getirilerini tahmin etmeye çalışmaktadır. Hesaplamalı finans, yatırımcılara öngörücü bilgiler sağlamak amacıyla kapsamlı finansal veri kümelerini analiz etmek için makine öğrenimi teknikleri gibi çeşitli araçlar kullanır. Tüm bu teknikler arasında kümeleme, etiketlenmemiş verilerden gizli kalıpları ortaya çıkarmak için en iyi bilinen ve kullanılan makine öğrenmesi yöntemlerinden biridir. Bu çalışma, benzer fiyat hareketleri sergileyebilecek şirketleri otonom olarak tespit ederek yatırımcıların daha sağlıklı kararlar almasına yardımcı olmayı amaçlamaktadır. Çalışmamızda Sembolik Toplam Yaklaşım (SAX) yöntemi esas alınarak geliştirilen model ile BIST100 şirketleri çeşitli sayıdaki kümelere ayrılarak yatırımcılar için risk minimizasyonu ve stratejik yatırım gibi farklı açılardan çeşitli senaryolar geliştirilmektedir. Hisse hareketlerinin analizinde SAX kümeleme yöntemi kullanılmaktadır. Ayrıca dendrogram ağaç grafiği, farklı SAX kombinasyonlarının kümelenmesini analiz etmek için kullanılır.
Özet (Çeviri)
Market stakeholders, including traders and investors, strive to forecast stock market returns for informed decision-making. Computational finance employs various tools such as machine learning techniques to analyse extensive financial datasets to provide predictive insights for investors. Among all those techniques, clustering is one of the most well-known and used machine learning methods to reveal hidden patterns from unlabelled data. This study aims to help investors make more robust decisions by autonomously identifying companies that may exhibit similar price movements. In our study, with the model developed based on the Symbolic Aggregate Approximation (SAX) method, BIST100 companies are divided into clusters of various numbers and various scenarios are developed for investors from different perspectives such as risk minimization and strategic investment. The SAX clustering method is employed for analysing share movements. Moreover, dendrogram tree graph is used to analyse the clustering of different SAX combinations.
Benzer Tezler
- Hareketli tabanlı açık kanallarda kısmi sürüntü maddesi hareketi üzerine bir inceleme
Başlık çevirisi yok
M.SEDAT KAPDAŞLI
- İslam ve Türk kültürünün Uzak Doğu'ya yayılması -Kore'de İslamiyet'in yayılması ve kültürel tesirleri
The Spread and influence of İslamic and Turkic culture in the east Asia-with special reference to the Korean-İslamic cultural contacts
HEE-SOO CEMİL LEE
- Deniz jeolojisinde dip örnekleme yöntemleri
Başlık çevirisi yok
MUHSİN ERDEMİRCİ
Yüksek Lisans
Türkçe
1988
Jeoloji MühendisliğiDokuz Eylül ÜniversitesiDeniz Jeolojisi ve Jeofiziği Ana Bilim Dalı
PROF. DR. SUNGU L. GÖKÇEN
- A Hierarchically structured hypertext system with authoring facilities
Başlık çevirisi yok
A.ASLI YAVAŞCILAR
Yüksek Lisans
İngilizce
1989
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiDOÇ. DR. SELAHATTİN KURU
- Türkiye'nin çevre denizlerde seyir güvenliği ve kurtarma yardım konusundaki yetki ve yükümlülükleri
Başlık çevirisi yok
FERHAT FERHANOĞLU