Geri Dön

Derin öğrenme ile borsa fiyatlarının tahmini: LSTM yaklaşımı

Stock market price prediction with deep learning: LSTM approach

PDF İndir

  1. Tez No: 878794
  2. Yazar: SAHIB RAHIMOV
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MURAT ŞİMŞEK
  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: Türkçe
  9. Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 103

Özet

Borsa, ekonomik kalkınmanın ve bireysel refahın önemli bir göstergesi olarak kabul edilmektedir. Yatırımcılar ve finansal analistler için, borsa fiyatlarının doğru tahmini, karar verme süreçlerinde kritik bir rol oynamaktadır. Geleneksel yöntemler uzun süredir bu tahminlerde kullanılmasına rağmen, son zamanlarda yapay zeka ve derin öğrenme teknikleri, finansal piyasaların karmaşıklığını modellemek için daha fazla tercih edilmektedir. Bu tez, derin öğrenme modellerinden biri olan Uzun Kısa Süreli Bellek (LSTM) ağlarının borsa fiyatlarını tahmin etmedeki etkinliğini incelemektedir. LSTM, zaman serisi verilerindeki uzun vadeli bağımlılıkları öğrenebilme kapasitesiyle finansal piyasaların dinamiklerini modelleyebilen güçlü bir araçtır. Bunun yanı sıra, hibrit modellerin (LSTM-GRU, LSTM- CNN, LSTM-Autoencoder ve LSTM-Transformer) LSTM tabanlı yaklaşımlara göre performansını değerlendirerek, borsa fiyat tahminlerinde daha iyi sonuçlar elde edilip edilemeyeceğini araştırmaktadır. Çalışma, LSTM modelinin ve hibrit modellerin geleneksel yöntemlerle karşılaştırıldığında avantajlarını ve sınırlılıklarını deneysel bir yaklaşımla sunmaktadır. Ayrıca, bu modellerin gerçek dünya verileri üzerindeki uygulanabilirliği ve finansal analizlerdeki kullanımı ele alınmaktadır.

Özet (Çeviri)

The stock market is considered an important indicator of economic development and individual prosperity. For investors and financial analysts, the accurate prediction of stock prices plays a critical role in decision-making processes. Although traditional methods have been used for these predictions for a long time, recently, artificial intelligence and deep learning techniques have been increasingly preferred to model the complexity of financial markets. This thesis examines the effectiveness of Long Short-Term Memory (LSTM) networks, one of the deep learning models, in predicting stock prices. LSTM is a powerful tool capable of modeling the dynamics of financial markets with its ability to learn long- term dependencies in time series data. Additionally, it investigates whether hybrid models (LSTM-GRU, LSTM-CNN, LSTM-Autoencoder, and LSTM-Transformer) can achieve better results in stock price predictions compared to LSTM-based approaches. The study presents an experimental approach to evaluate the advantages and limitations of the LSTM model and hybrid models compared to traditional methods. Furthermore, the applicability of these models on real-world data and their use in financial analysis are discussed. This thesis aims to contribute to both academic literature and the financial sector by being at the intersection of deep learning and financial forecasting.

Benzer Tezler

  1. Tez No

    895426

    Predicting stock prices in bist: A reinforcement learning and sentimental analysis approach

    Pekiştirmeli derin öğrenme ve duyarlılık analizi yaklaşımı ile bıstteki hisselerin fiyatlarının tahmin edilmesi

    ŞEYMA EĞE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Büyük Veri ve Veri Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  2. Tez No

    538638

    Derin öğrenme yöntemleri ile zaman serisi tahmini

    Time series classification with deep learning methods

    HAKAN GÜNDÜZ

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  3. Tez No

    739931

    Hisse senedi fiyat tahmininde otokodlayıcı ve graf evrişimli ağının uygulanması

    Application of autoencoder and graph convolutional network in stock price prediction

    MAHMUT LUTFULLAH ÖZBİLEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

  4. Tez No

    547320

    Hisse senedi fiyatlarının makine öğrenmesi yöntemleri ve derin öğrenme algoritmaları ile tahmini

    Estimations of opening and closing stock prices through machine learning methods and deep learning algorithms

    UĞUR DEMİREL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGümüşhane Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. HANDAN ÇAM

    DR. ÖĞR. ÜYESİ RAMAZAN ÜNLÜ

  5. Tez No

    758536

    Stock market prediction using sentiment analysis and deep learning

    Duygu analizi ve derin öğrenme kullanarak borsa tahmini

    AYMANE BENKHALDOUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı

    Prof. Dr. SÜREYYA AKYÜZ

Geri Dön