Destek vektör makineleri ile hibrid modelleme: Menkul kıymet getirilerindeki volatilitenin tahminlenmesi
Hybrid modelling using support vector machines: Forecasting volatility of stock returns
- Tez No: 350109
- Danışmanlar: PROF. DR. M. ERDAL BALABAN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Destek vektör makineleri, EGARCH model, Fiyat hareketi, GARCH model, Hibrit öğrenme, Hisse senedi getirileri, Menkul kıymetler, Tümevarımsal öğrenme, Support vector machines, EGARCH model, Price movement, GARCH model, Hybrid learning, Stock returns, Securities, Inductive learning
- Yıl: 2013
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ampirik risk minimizasyonu (ARM) ilkesi yerine yapısal risk minimizasyonu (YRM) ilkesini kullanmak suretiyle az sayıda gözlem noktası içeren, yüksek boyutluluğa sahip ve doğrusal olmayan problemlerin çözümünde etkili olan Destek Vektör Makineleri (DVM), ilk geliştirilme nedeni olan örüntü tanıma probleminden regresyon kestirim problemine kadar tüm alanlarda, dikkate değer genelleme kabiliyeti nedeniyle gittikçe ilgi uyandırmaktadır.Bu çalışmada, DVM'nin bu olağan üstü özellikleri ile güçlü bir teorik altyapıya sahip diğer yaklaşımların hibritlenmesi amaçlanmıştır. Amaca paralel olarak, GARCH ve EGARCH modelleri, Kantil Regresyon yaklaşımı ve faz uzayının yeniden yapılandırılması yaklaşımı kullanılarak, bazı hibrit modeller oluşturulmuştur. Oluşturulan hibrit modellerin tahminleme performansları, İMKB 100 endeks verisi kullanılarak test edilmiştir.Sonuç olarak, DVM'ye dayalı modellerin klasik GARCH ve EGARCH modellerine göre daha iyi sonuçlar verdiği gösterilmiştir.
Özet (Çeviri)
Support Vector Machine (SVM), which can solve small-sample, non-linear and high dimensional problems by using structural risk minimization (SRM) instead of emprical risk minimization (ERM), has been receiving increasing interest in areas ranging from its original application in pattern recognition to other applications such as regression estimation due to its remarkable generalization performance.In this study, hybridization between SVM?s remarkable properties and the approaches which have strong theoretical background is aimed. In parallel with this aim, by using GARCH and EGARCH models, Quantile Regression approach, and finally reconstruction phase space approach, some hybrid models are built. Forecasting performance of the hybrid models are tested using ISE 100 Index data.As a result, it is shown that the models based on DVM outperform the classical GARCH and EGARCH models.
Benzer Tezler
- BIST100 endeksinin günlük modellenmesi
Daily modeling of the BIST100 (XU100) index
ZÜBEYİR AKTÜRK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL KILIÇ
- Yapay zeka modeliyle genişletilmiş hibrit black-litterman model önerisi, Borsa İstanbul Bist-30 Endeks endeks verileri ile test edilmesi
Extension with artificial intelligence model for hybrid black-litterman model proposal and testing on Istanbul Stock Exchange Bist-30 index data
MAHMUT KARA
- Makine öğrenmesi yöntemleri ile hibrit ve kompozit ZA-27 alaşımlarının aşınma davranışlarının karşılaştırmalı analizi
Comparative analysis of wear behavior of hybrid and composite ZA-27 alloys using machine learning methods
SENA NUR ADIYAMAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL
- Makine öğrenmesi tabanlı hibrit algoritma ve hibrit veri seti ile ddos saldırı tahmini
Machine learning based hybrid algorithm and ddos attack prediction with hybrid dataset
SELİM ERDAŞ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ARİF AYDIN
- Karayolu bakım onarım giderlerinin yumuşak hesaplama ve klasik yöntemler ile belirlenmesi
Determination of highway maintenance and repair costs with soft computing and classical methods
HAYDAR GÜNDOĞDU
Doktora
Türkçe
2025
Ulaşımİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK CANSIZ
PROF. DR. MEHMET FATİH CAN