Financial forecast with artificial intelligence
Yapay zeka ile finansal tahminleme
- Tez No: 905376
- Danışmanlar: DOÇ. DR. REYAT YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Finansal tahmin, şirketlerin ve yatırımcıların gelecekteki mali durumları ve performansları hakkında tahminler geliştirdikleri bir faaliyettir. Bu süreçte istatistiksel yöntemler, yapay zekâ algoritmaları, teknik analiz teknikleri ve daha pek çok araç kullanılmaktadır. Son yıllarda teknolojinin ilerlemesiyle birlikte, geleneksel finansal tahmin metodolojilerine kıyasla yapay zekâ tabanlı tekniklerin daha iyi sonuçlar verdiği görülmüştür. Bu anlamda, farklı yöntemleri entegre eden hibrit yaklaşımların yapay zekâ tabanlı finansal tahminde daha iyi çalıştığı gösterilmiştir. Bu çalışmada, Uzun Kısa Dönem Hafıza (LSTM), Ampirik Mod Ayrıştırma (EMD) ve teknik göstergelerden oluşan yeni bir hibrit model tanıtılmış ve önerilen modelin geleneksel LSTM modeline kıyasla daha doğru tahminler yaptığı kanıtlanmıştır. Önerilen model, aynı veriler üzerinde geleneksel LSTM modeline kıyasla %39,75 daha doğru tahminler yapmaktadır. Ayrıca sonuçlar, önerilen modelin son teknoloji yöntemlere göre daha düşük Ortalama Mutlak Yüzde Hatası (MAPE) oranına (%42,82) sahip olduğunu da göstermiştir. Bu araştırmanın bulguları, hibrit modelleme yaklaşımlarının günümüz ve gelecekteki uygulamalarda finansal tahmin alanında kritik ilerlemeler sağlama yeteneklerini göstermektedir.
Özet (Çeviri)
Financial forecasting is an activity in which those companies and investors develop predictions of their future financial state and performance. This process uses statistical methods, artificial intelligence algorithms, technical analysis techniques and so many other tools. Since the advancement of technology in the last years, in comparison with traditional financial forecasting methodologies, artificial intelligence-based techniques have been found to provide better results. In this sense, hybrid approaches that integrate different methods were shown to work better in AI-based financial prediction. The study introduces a novel hybrid model consisting of Long Short-Term Memory (LSTM), Empirical Mode Decomposition (EMD), and technical indicators, and it was proved that the proposed model makes more accurate forecasts compared to the conventional LSTM model. The proposed model makes 39.75% more accurate forecasts compared to the conventional LSTM model on same data. Additionally, the results also showed that the proposed model has a lower Mean Absolute Percentage Error (MAPE) rate (42.82%) than state-of-the-art methods. The findings of this research show the capabilities of hybrid modeling approaches in making critical advancement in the field of financial forecasting in today and future applications.
Benzer Tezler
- Menkul kıymet yatırımları açısından sermaye piyasası kanununa göre yayınlanan finansal tablo ve raporların yeterliliği
Başlık çevirisi yok
HAMDİ AYDIN
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN
- Tek düzen genel hesap planı ile standart genel hesap planının karşılaştırılması (bilanço hesapları)
Başlık çevirisi yok
ŞEREF KAVAK
