Predicting stock market trends using regression and deeplearning
Regresyon ve derin öğrenme kullanarak borsa trendlerini tahminetmek
- Tez No: 888662
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSAMETTIM OSMANOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstinye Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Fen Bilimleri ve Teknolojileri Bilim Dalı
- Sayfa Sayısı: 53
Özet
Tezimizde, finansal tahminlerde gelişmiş makine öğrenimi tekniklerinin uygulanmasını araştırdık ve hisse senedi piyasası trendlerinin tahminine odaklandık. S&P 500 endeksinden alınan tarihsel verileri kullanarak, Uzun Kısa Süreli Hafıza (LSTM) ve Çift Yönlü LSTM (BiLSTM) ağlarının yanı sıra geleneksel doğrusal regresyon modellerinin, karmaşık piyasa dinamiklerini yakalamada ve tahmin doğruluğunu artırmada etkinliğini inceledik. Çalışma ayrıca, çeşitli modellerin güçlü yönlerini birleştiren yeni model entegrasyon tekniklerini araştırarak, tahmin performansını daha da artırmaktadır. Doğrusal regresyonun derin öğrenme modelleriyle entegrasyonu, literatür incelemesine göre özellikle yenilikçi ve anlamlı olup, bağımsız modellerden daha yüksek doğruluk sunmaktadır. Araştırma, hem akademiye hem de endüstriye değerli bilgiler sunarak, makine öğrenimi teorik kavramları ile finansal karar alma süreçlerindeki pratik uygulamalar arasındaki boşluğu doldurmaktadır. Çalışma, paydaşları gelişmiş tahmin araçlarıyla güçlendirerek, bilinçli kararlar almalarını kolaylaştırmakta ve finansal tahmin alanında yenilikçiliği teşvik etmektedir.
Özet (Çeviri)
In our thesis, we explored the application of advanced machine learning techniques in financial forecasting, focusing on the prediction of stock market trends. Leveraging historical data from the S&P 500 index, this study investigated the efficacy of Long Short-Term Memory (LSTM) and Bidirectional LSTM (BiLSTM) networks, as well as traditional linear regression models, in capturing complex market dynamics and improving predictive accuracy. The study also explores novel model integration techniques that combine the strengths of multiple models, further enhancing predictive performance. This integration of linear regression with deep learning models is offering improved accuracy over standalone models. The research contributes valuable insights to both academia and industry, bridging the gap between theoretical concepts in machine learning and practical applications in financial decisionmaking. By empowering stakeholders with advanced predictive tools, the study facilitates informed decision-making and fosters innovation in the field of financial forecasting. Key
Benzer Tezler
- Borsa endeks hareket yönlerinin makine öğrenmesi yöntemleriyle tahmini: Gelişmiş ve gelişmekte olan ülke borsaları üzerine bir uygulama
Prediction of stock market index movements using machine learning methods: An application on the stock markets of developed and developing countries
NAZİF AYYILDIZ
Doktora
Türkçe
2023
İşletmeNiğde Ömer Halisdemir Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ÖMER İSKENDEROĞLU
- Mali yapı analizlerinde çok boyutlu modeller
Multi-dimensional models in financial structural analyses
SERKAN ANIL
Yüksek Lisans
Türkçe
1997
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET BOLAK
- Predicting direction of stock price movement by using adaptive ensemble learning method
Hisse senedi fiyatı hareket yönünün adaptif topluluk öğrenmesi metodu ile tahmin edilmesi
ALİ ÖZKAN PEKMEZ
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Borsa istanbul (BIST) hisse fiyat değişim yönünün ilişkisel borsa ağı kullanılarak tahmin edilmesi
Forecasting stock price change direction using relational stock market network on borsa Istanbul (BIST)
BİRCAN ERGÜR
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEHRA ÇATALTEPE
- Ekonometride güncel eğilimler: Makine öğrenmesi ve hibrit yöntemler
Current trends in econometrics: Machine learning and hybrid methods
MEHMET AYDIN
Doktora
Türkçe
2023
EkonometriAnkara Hacı Bayram Veli ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. FUNDA YURDAKUL