Geri Dön

Portfolio optimization with sentiment analysis

Yaklaşım analizi ile portföy optimizasyonu

  1. Tez No: 909299
  2. Yazar: AHMET ERARSLAN
  3. Danışmanlar: PROF. DR. AHMET REFİK GÜLLÜ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Nicel finans uygulamaları matematik, istatistik ve hesaplama tekniklerini kullanarak finansal marketlere çözüm bulmaya odaklanır. Temel amaç kazancı maksimize ederken finansal alım satım işlemlerinde ortaya çıkabilecek olan riskleri minimize etmektir. Bu amaca ulaşmak için optimize edilmiş bir portföy yaratılmalıdır. Optimize edilmiş portföy yaratıldıktan sonra, ikincil temel ihtiyaç olan fiyat tahminlemesi yapılmalıdır. Yaklaşım analizi, bir metnin ilgili konu hakkındaki anlayışını anlamlandırmak için kullanılan bir makine öğrenmesi yöntemidir. Bu yöntem finansal fiyat tahminlemesi için kullanılan etkili yöntemlerden biridir. Fiyat tahminlemesi yaklaşım analizi modelleriyle yapıldıktan sonra portföy optimizasyonu Harry Markowitz tarafından 1952 yılında ortaya çıkarılan ve temel hedefi getiri ve risk arasında dengeli bir portföy seçmek olan Markowitz modeliyle yapılır. Yaklaşım analizi modeli yaratmak için kelimelerin bilgisayar ortamında karşılıkları olan sayısal ifadelerinin oluşturulması gerekmektedir. Metni sayısal verilere dönüştürmek için iki temel yöntem bulunmaktadır. Kelime havuzu ve gömülü kelime vektörleri. Kelime havuzu modeli temel olarak metin içerisinde ilgili kelime kullanım sıklıkları ve kelime sayıları ele alınarak oluşturulur. Gömülü kelime vektörleri ise yapay sinir ağları kullanılarak, kelimelerin çok boyutlu düzlemde birbirilerine olan yakınlıklarını bulmayı hedefler. Kelime modellemeleri yapıldıktan sonra farklı Naive Bayes, makine destek vektörleri ve özyinelemeli yapay sinir ağları modelleri kullanılarak fiyat sınıflandırması tahminlemesi yapılmıştır. Bu çalışma kapsamında kullanılan metin verisi sosyal medya platformu olan X'de ilgili uzmanlar tarafından yapılan paylaşımlar ve haber kaynaklarından alınmıştır. Fiyat verisi olarak Bist100 endeksinin bileşen şirketleri kullanılmıştır. Yapılan ̧calışma, yaklaşım analizi tahminlemesi ile oluşturulan optimize edilmiş portföyün, bir yatırım stratejisi olarak kullanılabileceğini kanıtlamıştır.

Özet (Çeviri)

Quantitative finance practices focus on developing solutions to financial markets using mathematics, statistics, and computational techniques. The objective is to maximize the return while minimizing the risk of trading. To achieve that, an optimized portfolio that is balanced between return and risk must be constructed. After the optimal portfolio is created, price predictions have to be made. Sentiment analysis is a machine learning technique to understand the sentiment in a text. It is one of the most commonly used methods to predict price direction of financial instruments. After the prediction process, portfolio is optimized using the Markowitz model developed by Harry Markowitz in 1952 by selecting a group of financial instruments. In this research, these methodologies are used for predicting the financial price and optimizing the portfolio respectively. To develop a sentiment analysis framework, words in texts must be represented as numeric values. Bag of words is a method that converts text into numeric values by using word frequency and counts. Another useful technique is word embeddings, that is learning the distributed representations of words. Several machine learning algorithms such as Naive Bayes, probabilistic machine learning model based on bayessian theorem, support vector machines, finding optimum hyperplane to maximize distances between data points which belongs to different classes, and recurrent neural network model, a neural network architecture that learns sequential patterns in data with the help of long short term memory are used. The text data is gathered from X (formerly Twitter) and the daily price data of the components of bist100 index of Borsa Istanbul A.S ̧. are employed to solve portfolio optimization problem. Our experiments show that developing a sentiment model on X data to have an optimized portfolio is useful to increase the return while minimizing the risk.

Benzer Tezler

  1. Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators

    Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi

    MAHMUT SAMİ SİVRİ

    Doktora

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  2. The effect of investor sentiment on non-ferrous metals contracts at LME and optimizing a metals commodity portfolio

    LME'de işlem gören endüstriyel metal sözleşmelerinde yatırımcı duygusu etkisi ve metal emtia portföyü optimizasyonu

    EKİN AÇIKGÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Ekonometriİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

  3. Black - Litterman modeliyle portföy optimizasyonu: İstanbul Menkul Kıymetler Borsasında Markowitz ortalama - varyans modeliyle karşılaştırmalı portföy optimizasyonu uygulaması

    Portfolio optimization with Black - Litterman model: Comparative portfolio optimization application with Markowitz mean - variance model on the İstanbul stock exchange

    MUHAMMED MUSTAFA TUNCER ÇALIŞKAN

    Doktora

    Türkçe

    Türkçe

    2010

    İşletmeKocaeli Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ABDURRAHMAN FETTAHOĞLU

  4. Veri zarflama analizi tabanlı parçacık sürü algoritması ile portföy optimizasyonu: BIST100 endeksinde bir uygulama

    Portfolio optimization with data envelopment analysis based particle swarm algorithm: An aplication in Istanbul Stock Exchange Index (bist100)

    TUĞCAN ÖZSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. HACI HASAN ÖRKCÜ

  5. Stokastik baskınlık testi ile portföy optimizasyonu: BIST-30 endeksine uygulanması

    Portfolio optimization with stochastic dominance test: An application to BIST-30 index

    KUTLAY URUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Ekonomiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ