Nitelik seçimi ve arttırımlı model eğitimi metoduyla borsa istanbul piyasası yön tahmini yapılması
Borsa istanbul stock direction prediction with feature selection and incremental model training method
- Tez No: 935487
- Danışmanlar: DOÇ. DR. HAKAN GÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Maliye, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Finance, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bulunduğumuz zaman diliminde, yatırımcıların kazançlarını artırma ve risklerini azaltma hedefleri doğrultusunda borsa tahmini büyük bir ilgi odağı haline gelmiştir. Borsa piyasalarının sürekli değişen ve öngörülmesi zor yapısı bu alanda tahmin yapmayı güçleştirse de, yapay öğrenme teknikleri etkili çözümler sunma potansiyeline sahiptir. Gerçekleştirilen çalışma çerçevesinde, Borsa İstanbul'da işlem gören hisselerin günlük verilerinden faydalanılarak, yapay öğrenme ve nitelik seçme yöntemleri ile belirlenen hisselerin yönlerinin tahmin edilmesi hedeflenmiştir. Araştırmada faydalanılan veri seti, 30 Kasım 2015 tarihinden 21 Aralık 2021 tarihi arasındaki Borsa İstanbul'da bulunan tüm hisselerin günlük sayısal göstergelerini kapsamaktadır Bu veri seti, Kaggle platformunda yayımlanmış olup; minimum ve maksimum fiyatlar, işlem hacimleri gibi temel göstergelerden yanı sıra, çeşitli osilatörler ve indikatör verilerini içermektedir. Toplamda 1529 işlem gününe ait verinin kullanıldığı çalışmada, 38 indikatör ve osilatör ile çeşitli zaman dilimlerinden türetilmiş özellikler değerlendirilmiştir. Özellik seçimi sürecinde MIC ve RFE yöntemlerinden yararlanılmıştır. Sınıflandırma aşamasında ise SVM, RF, KNN, DT, GB, XGBoost ve BLSTM algoritmaları kullanılmıştır. Sektörde ön planda olan hisseler üzerinde gerçekleştirilen testler sonucunda, GARAN hissesi için RFE yöntemiyle seçilen niteliklerle RO modeli %62,4 yönsel doğruluk oranı sağlamıştır. AKBNK hissesi üzerinde SVM modeli, RFE yöntemiyle %54,40 doğruluk oranına ulaşırken, ISCTR hissesi için aynı yöntem ve modelle %56 başarı oranı elde edilmiştir. HEKTS hissesi için, RFE yöntemiyle seçilen niteliklere dayalı SVM modeli %67,82 yönsel tahmin doğruluk oranı sağlamıştır. SASA hissesi üzerinde, RFE yöntemiyle seçilen niteliklerle RF modeli %56,80 yönsel doğruluk değerine ulaşmıştır. Elde edilen sonuçlar çerçevesinde, HEKTS hissesi üzerinde SVM modelinin en iyi performansı sergilediğini göstermektedir.
Özet (Çeviri)
In the current era, stock market prediction has become a major focus of interest for investors aiming to increase their profits and minimize risks. Although the ever-changing and unpredictable nature of stock markets makes forecasting challenging, machine learning techniques have the potential to offer effective solutions in this field. Within the scope of this study, the aim is to predict the directions of stocks traded on Borsa Istanbul by utilizing daily data and feature selection methods. The dataset used in the research covers the daily numerical indicators of all stocks traded on Borsa Istanbul between November 30, 2015, and December 21, 2021. This dataset, published on the Kaggle platform, includes fundamental indicators such as minimum and maximum prices, trading volumes, as well as various oscillators and indicators. The study evaluates data from a total of 1529 trading days, analyzing 38 indicators and oscillators along with features derived from different time frames.During the feature selection process, MIC and RFE methods were employed. For classification, algorithms such as SVM, RF, KNN, DT, GB, XGBoost, and BLSTM were used. Based on tests conducted on prominent stocks in the sector, the RO model achieved a directional accuracy rate of 62.4% for the GARAN stock using features selected through the RFE method. For the AKBNK stock, the SVM model achieved an accuracy rate of 54.40% with RFE-selected features, while the same method and model reached a 56% success rate for the ISCTR stock. For the HEKTS stock, the SVM model based on RFE-selected features provided a directional prediction accuracy of 67.82%, whereas the RF model achieved a 56.80% directional accuracy for the SASA stock using RFE-selected features. These results indicate that the SVM model demonstrated the best performance for the HEKTS stock.
Benzer Tezler
- Üzüm sularının pastörizasyonu ve kontsantresi sırasında hidroksimetilfurfural oluşumu üzerinde bir araştırma
Başlık çevirisi yok
ŞERİFE ŞAHİN
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ürünleri Teknolojisi Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Sosyal değişim sürecinde konut planları farklılaşması-Konya örneği
The Changes of the types of house-plans in accordance with the social changes“Konya being the Sample”
İBRAHİM BAKIR
- Hazır giyim sanayiinde nitelikli insangücü ihtiyacı
Başlık çevirisi yok
HANDAN SEZER
Yüksek Lisans
Türkçe
1986
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiGiyim Endüstrisi ve Giyim Sanatları Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL ATAMAN
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN
- Özel düzenlenmiş plyometrik antrenmanların genç basketbolcuların anaerobik güç performansına etkisi
Effects of regular specific plyometric training on anaerobic power of young basketball players
YÜKSEL SAVUCU
Yüksek Lisans
Türkçe
2001
SporFırat ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ.DR. MEHMET KUTLU