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: Belirtilmemiş.
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
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
- Stock trend prediction and portfolio optimization
Hisse senedi trend tahmini ve portfoy optimizasyonu
DENİZ PEKŞEN
- 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
- 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
- Borsa istanbul verilerinin yapay zekâ ile tahmini
Prediction of borsa istanbul data with artificial intelligence
OĞUZHAN AKPUNAR
