Nasdaq borsasındaki hisse senedi fiyatlarının zaman serisi tahmini
Time series forecasting of stock prices on the Nasdaq stockmarket
- Tez No: 919539
- Danışmanlar: PROF. DR. ZEHRA KAMIŞLI ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 79
Özet
Bu çalışma, NASDAQ borsasında işlem gören hisse senetlerinin seçimi ve ardındanseçilen hisse senetleri için fiyat tahmini yapmayı amaçlayan temel olarak iki aşamalı birsüreci içermektedir. Seçim aşamasında Çok Ölçütlü Karar Verme (ÇÖKV) tekniklerikullanılmış, tahmin aşamasında da zaman serisi analizleri yapılmıştır. Hisse senediseçiminde CRITIC, CILOS, VARIANCE, EQUAL ve GINI gibi objektif ağırlıklandırmayöntemleri kullanılmış, ardından TOPSIS, VIKOR ve PROMETHEE II sıralamayöntemleri uygulanmıştır. Bu yöntemler sonucunda en uygun hisse senetleribelirlenmiştir. Seçilen hisse senetlerinin gelecekteki kapanış fiyatlarını tahmin etmek içinzaman serisi analizi kapsamında Derin Öğrenme yöntemlerinden Uzun Kısa Süreli Bellek(LSTM), Kapılı Tekrarlayan Ünite (GRU) ve Tekrarlayan Sinir Ağı (RNN) modellerikullanılmıştır. Modellerin performansları Kök Ortalama Kare Hatası (RMSE) veOrtalama Mutlak Yüzde Hatası (MAPE) metrikleri ile karşılaştırılmıştır. Çalışma,finansal veri analizi ve karar verme süreçlerinde derin öğrenme ve ÇÖKV yöntemlerininentegrasyonunun etkili bir yöntem olduğunu göstermiştir.
Özet (Çeviri)
This study aims to select stocks traded on the NASDAQ using Multi-CriteriaDecision-Making (MCDM) methods and forecast their prices through time seriesanalysis. For stock selection, objective weighting methods such as CRITIC, CILOS,VARIANCE, EQUAL, and GINI were employed, followed by ranking methods TOPSIS,VIKOR, and PROMETHEE II. The most suitable stocks were identified through theseapproaches. To forecast the future closing prices of the selected stocks, time seriesanalysis was performed using Deep Learning methods, including Long Short-TermMemory (LSTM), Gated Recurrent Unit (GRU), and Recurrent Neural Networks (RNN).The performance of the models was evaluated using the Root Mean Square Error (RMSE)and Mean Absolute Percentage Error (MAPE) metrics. The study demonstrates theeffectiveness of integrating deep learning and MCDM methods in financial data analysisand decision-making processes.
Benzer Tezler
- Comparable approach to 'The Theory of Efficient Market' a modified capital asset pricing model for maritime firms
Başlık çevirisi yok
ORAL ERDOĞAN
- Yapay sinir ağları kullanılarak hisse senedi fiyatı değişim yönünün tahmininin yapılması
Stock price direction prediction using neural networks
PINAR DEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ORUÇ RAİF ÖNVURAL
- Mamba ve topluluk öğrenmesi kullanarak hisse senedi hareket tahmini
Stock movement prediction using mamba and ensemble learning
HALİL İBRAHİM AKGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET MURAT ÖZBAYOĞLU
- Sosyal medyanın yapay zeka öngörü modelleri üzerindeki etkisi: yüksek frekanslı finans verileri üzerine bir uygulama
The impact of social media on artificial intelligence forecasting models: An application to high-frequency financial data
HAKAN GÖKDAŞ
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiEskişehir Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ONUR KAYA
DOÇ. DR. EMRE ÇİMEN
- Post-IPO stock performances: Evidence from global shipping companies
Halka arz sonrası hisse senedi fiyat performansı: Küresel denizcilik şirketleri üzerine bir inceleme
ERHAN DEMİRBAŞ
Yüksek Lisans
İngilizce
2018
İşletmeDokuz Eylül ÜniversitesiDenizcilik İşletmeleri Yönetimi Ana Bilim Dalı
DOÇ. DR. SEÇİL SİGALI