Makine öğrenmesi yöntemleri ile hisse senedi fiyat tahmini ve performans karşılaştırılması
Makine öğrenmesi yöntemleri ile hisse senedi fiyat tahmini ve performans karşilaştirilmasi
- Tez No: 930441
- Danışmanlar: DOÇ. DR. ATINÇ YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Bu çalışma Borsa İstanbul'da işlem gören Türk Hava Yolları şirketinin kapanış fiyat verilerini kullanarak makine öğrenimini modelleri ile bir sonraki ay için fiyat tahminlerinde bulunacaktır. BİST 100'de işlem gören THYAO hisse senedi için Ocak-Kasım 2023 aralığındaki kapanış fiyatları zaman serileri verileri alınıp, RNN ve LSTM modelleri ile gelecek 30 günlük Aralık 2023 ayı için kapanış fiyatları tahminleri yapılacaktır. RNN, LSTM tahminleri ve gerçek veriler tablolar halinde karşılaştırılacak ve grafikler ile görselleştirilecektir. Sonuç bölümünde makine öğrenmesi metotlarının Borsa İstanbul gibi aşırı volatilite yaşanan finans piyasalarda başarılı ve başarısız olduğu alanlar belirtilecektir.
Özet (Çeviri)
This study will use Machine Learning Models to make price predictions for the stock of the Turkish Airlines (THYAO) stock that is traded in Istanbul Stock Exchange (BIST) by using the daily closing prices of the stock. Price predictions will be made for Dec 2023 with the use of LSTM and RNN models of Jan-Nov 2023 daily closing prices data. RNN, LSTM predictions and actual data will be compared in tables and will be visualized with graphs. In the conclusion section, advantages and disadvantages of machine learning methods will be discussed.
Benzer Tezler
- Sign predictability of intraday price returns to formulate appropriate trading strategies with optimum set of equities
Optimum hisse senedi kümesi ile uygun işlem stratejileri oluşturmak için gün içi fiyat getirilerinin işaret tahmin edilebilirliği
ABDURRAHMAN KILIÇ
Doktora
İngilizce
2024
Ekonometriİstanbul Teknik Üniversitesiİktisat (İngilizce) Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- Improving time series forecasts through predictive error compensation and deep feature fusion
Tahmı̇nsel hata telafı̇sı̇ ve derı̇n öznitelik füzyonu yoluyla zaman serı̇sı̇ tahmı̇nlerı̇nı̇n gelı̇ştı̇rı̇lmesı̇
MUHAMMED ENES BAŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Stock trend prediction and portfolio optimization
Hisse senedi trend tahmini ve portfoy optimizasyonu
DENİZ PEKŞEN
Yüksek Lisans
İngilizce
2022
EkonomiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. OKAN ÖRSAN ÖZENER
- Temel ve teknik analize dayalı makine öğrenmesi ile hisse senedi fiyat tahmini: Rastgele orman sınıflandırması yaklaşımı
Stock price prediction with machine learning based on fundamental and technical analysis: Random forest classification approach
DENİZ KAVUK SALIŞ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiGebze Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMED BURAK PAÇ
- İslami fintech uygulamaları ve makine öğrenmesi yöntemleri ileportföy optimizasyonu
Islamic fintech applications and portfolio optimization usingmachine learning methods
GÖKMEN KILIÇ