Geri Dön

STL ayrıştırması ile bileşen bazlı hisse senedi fiyat tahmini: Meta öğrenme tabanlı topluluk modeli

Component based stock price predicton with STL decomposition: A meta-learning based ensemble model

PDF İndir

  1. Tez No: 944834
  2. Yazar: ONUR GÜNER
  3. Danışmanlar: DOÇ. DR. İSMAİL DURAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Düzce Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Borsadaki hisse senedi fiyatlarının piyasa gürültüsü, oynaklık, ekonomik göstergeler, jeopolitik olaylar ve yatırımcı duyarlılığı gibi dış etkenler nedeniyle tahmin edilmesi doğası gereği zorluk taşır. Mevcut literatürde, hisse senedi fiyatlarını modellemek için yalnızca tek değişkenli bir model kullanıldığında, bu modellerin fiyat hareketlerini tam olarak algılamakta zorlandığı gözlemlenmiştir. Bu nedenle, BIST30 endeksi üzerinde, özellikle THYAO hissesi odaklı günlük bir tahmin çerçevesi geliştirdik. Veriyi STL yöntemiyle bileşenlerine ayırdık ve her bir bileşeni, kendi özelliklerine uygun modelleme yaklaşımını seçerek ayrı ayrı tahmin ettik. Trend bileşeni, aşırı öğrenmeyi önlemek için düzenlileştirme uygulayabilme yeteneği sayesinde Ridge Regresyon ile modellenmiştir. Mevsimsel bileşen, uzun vadeli bağımlılıkları öğrenebilme becerisi sebebiyle TCN ile modellenmiştir. Artık bileşen, düzensiz ve oynak dalgalanmaları ifade eden bir bileşen olarak, XGBoost, GARCH ve ani sıçrama tespit tekniklerinin XGBoost meta modeline giriş olarak verildiği gelişmiş bir topluluk yöntemiyle modellenmiştir. Son olarak, bu üç bileşenin tahminleri Lineer Regresyon tabanlı bir meta öğrenme modeli ile birleştirilerek nihai tahmin üretilmiştir. Ampirik değerlendirmeler, hisse senedi fiyat tahmin doğruluğunda önemli iyileşmeler göstererek MAE: 1.5574 ve MAPE: %0.53 değerlendirme metrikleri elde edilmiştir. Çalışma, topluluk temelli meta öğrenme tekniklerinin ve bileşen bazlı tahminlerin, hisse senedi fiyat tahminlerinin doğruluğunu önemli ölçüde artırdığını ortaya koymuştur.

Özet (Çeviri)

The stock market is highly arduous to predict due to its nature. As a result of market noise, volatility, and external influences such as economic indicators, geopolitical events, and investor sentiment, stock price prediction is inherently challenging. It's observed in the existing literature that when a single univariate model is used to model stock prices, the models have difficulty fully detecting price movements. For this reason, we developed a daily forecasting framework applied to the BIST30 index, focusing on the THYAO stock. We decomposed the data into components using STL and predicted each component individually by selecting an appropriate modeling approach based on its characteristics. The trend component is modeled by Ridge Regression thanks to its capability of applying regularization to prevent overfitting, and the seasonal component is modeled using TCN. The residual component which captures irregular and volatile fluctuations, is modeled using an ensemble approach This component is handled through a sophisticated ensemble method that combines XGBoost, GARCH, and spike detection techniques as input to XGBoost meta model. Finally, we combined their predictions into a meta-learning model based on Lineer Regression to generate the final forecast. Empirical evaluations demonstrate significant improvements on stock price prediction accuracy, with evaluation metrics of MAE: 1.5574 and MAPE: 0.53%. The study found that ensemble meta-learning techniques and decomposed component based predictions significantly increased the accuracy of stock price predictions.

Benzer Tezler

  1. Tez No

    763953

    Uzun dönemde meydana gelen Akdeniz ve Karadeniz'deki deniz seviyesi değişimlerinin boğazlar sistemi üzerindeki etkilerinin araştırılması

    Investigation of the effects of long term sea-level variations in the Mediterranean and the Black Sea on the Turkish straits system

    CEM ŞENDURAN

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Kıyı Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET SEDAT KABDAŞLI

  2. Tez No

    924952

    Güneş ışınımı tahminine yenilikçi bir yaklaşım

    A novel approach to solar radiation forecasting

    FEYZA NUR YEŞİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik MühendisliğiAfyon Kocatepe Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA NUR SERTTAŞ

  3. Tez No

    709014

    Automatic time series forecasting using the ATA method with STL decomposition and Box-Cox transformation

    STL ayrıştırmalı ve Box-Cox dönüşümlü ATA metodu kullanılarak otomatik zaman serisi öngörüsü

    ALİ SABRİ TAYLAN

    Doktora

    İngilizce

    İngilizce

    2021

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. GÜÇKAN YAPAR

  4. Tez No

    899657

    Physical characterization of aerosols by using space-borne and ground-based observations in the Eastern Mediterranean Basin

    Doğu Akdeniz Bölgesindeki aerosollerin uydu ve yer gözlemleri ile fiziksel karakterizasyonu

    AYŞE GÖKÇEN IŞIK

    Doktora

    İngilizce

    İngilizce

    2024

    Çevre MühendisliğiHacettepe Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLEN GÜLLÜ

  5. Tez No

    635490

    Numerical and experimental investigation on the crushing behaviour of auxetic lattice cells produced with additive manufacturing techniques

    Eklemeli imalat teknikleri ile üretilmiş ökzetik kafes yapıların ezilme davranışlarının nümerik ve deneysel olarak incelenmesi

    KADİR GÜNAYDIN

    Doktora

    İngilizce

    İngilizce

    2020

    Havacılık Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİT SÜLEYMAN TÜRKMEN

    DR. ÖĞR. ÜYESİ ANTONIO MATTIA GRANDE

Geri Dön