Geri Dön

Makine öğrenme metotları kullanılarak fonların fiyat tahmini için model geliştirilmesi

Model development for the price estimation of funds by using machine learning methods

PDF İndir

  1. Tez No: 647359
  2. Yazar: SEDRETTİN ÇALIŞKAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EBUBEKİR KOÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, makine öğrenme algoritmaları kullanılarak fonların fiyat tahmini için model geliştirilmesi yapılmıştır. Fon fiyat tahmin sistemi amacıyla geliştirilmesi yapılan model çalışmasında kullanılan veri setinin gerçek veri değerlerinden alınması, yapılan modelin tahmin başarısında reel piyasadaki fon bilgilerine yakın değerler olmasını, model tutarlığını ve güvenirliliğini sağlamıştır. Veri seti, Takas İstanbul(İstanbul Takas ve Saklama Bankası A.Ş.-Takasbank)'un platform ve veri kaynağı sağlayıcılığı yaptığı Türkiye Elektronik Fon Dağıtım Platformu (TEFAS) web sitesi üzerinden, 02.01.2019 – 31.12.2019 tarihleri arasında ki erişime açık olan fon bilgilerinde elde edilmiştir. Bu veri seti araştırmayı da özgün bir kategoriye yerleştirmiştir. Model çalışması için kullanılan makine öğrenme teknikleri Kısmi En Küçük Kareler Regresyonu (PLSR), Ridge Regresyonu(RR), Destek Vektör Regresyonu (SVR) ve Yapay Sinir Ağları(YSA) algoritmalarıyla yapılmıştır. Geliştirilen model başarı değerlendirmeleri ise; Hata Karelerinin Ortalaması(MSE), Hata Kare Ortalamasının Karekökü(RMSE), Ortalama Mutlak Hata(MAE) ve R Kare Oranı(R2) ölçüm metriklerine göre yapılmıştır. Bu ölçüm metriklerine göre PLSR, RR ve SVR algoritmalarında elde edilen sonuçların kabul edilebilirlik oranlarının çok düşük olduğu tespit edilmiştir. YSA ile elde edilen tahmin değerlerinin başarı oranının ise, model önerisi için kabul edilebilir ölçekte olduğu gözlemlenmiştir. Bu değerlendirmelerden hareketle, fonların fiyat tahmini çalışmasında YSA ile geliştirilen model tercih edilmiştir. Sonuç olarak, fonların fiyat tahmin için geliştirilen model çalışmasında, YSA modeli tahmin edilen fon fiyat değerinin birim pay başına düşen hata oranı, RMSE değerine göre (+/-) 6.2 olarak bulunmuştur. Model başarı yüzdesi ise, R2 ölçüm metrik sonucuna bakılarak %90 üzerinde bir tahmin başarısı olarak elde edilmiştir. Ayrıca, ölçüm metrik sonuçları da göz önüne alındığında regresyon problemleri için PLSR, RR ve SVR modellerinin de kullanılabilirliklerini yitirmedikleri de değerlendirilmiştir.

Özet (Çeviri)

In this thesis, a model is developed for the price estimation of funds by using machine learning algorithms. The data set used in the study model developed for the purpose of the fund price estimation system from the real data values ensured that the model was close to the real market fund information, model consistency, and reliability. Data set used for the model is accessed between 02.01.2019 - 31.12.2019 from Takas Istanbul's (Istanbul Settlement and Custody Bank Inc.-Takasbank) platform Turkey Electronic Fund Trading Platform (TEFAS), which provides fund data sources. This dataset has also placed the research in a unique category. Machine learning techniques used for the model study were performed using Partial Least Squares Regression (PLSR), Ridge Regression (RR), Support Vector Regression (SVR), and Artificial Neural Networks (ANN) algorithms. The developed model success evaluations are; Average of Error Squares (MSE), Square Root of Error Square Mean (RMSE), Average Absolute Error (MAE), and R Squared (R2) were made according to measurement metrics. According to these measurement metrics, the acceptability rates of the results obtained in PLSR, RR, and SVR algorithms were found to be very low. It is observed that the success rate of the predicted values obtained with ANN was at an acceptable scale for the model proposal. Based on these evaluations, the model developed with ANN was preferred in the price estimation study of the funds. As a result, the model study developed for the price estimation of the funds, according to the RMSE value, the error rate per unit share of the estimated fund price value of the ANN model was found as (+/-) 6.2. The model success percentage is obtained as a prediction success over 90% by looking at the R2 measurement metric result. Also, considering the measurement metric results, it is evaluated that PLSR, RR, and SVR models did not lose their usability for regression problems.

Benzer Tezler

  1. Tez No

    374011

    Development and implementation of a price prediction system using machine learning techniques

    Makine öğrenme teknikleri kullanılarak fiyat tahminleme sisteminin yapılması ve geliştirilmesi

    SERCAN EREN İŞKESEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. DERYA BİRANT

  2. Tez No

    826736

    Derin öğrenme kullanılarak tekstil desenlerinin sınıflandırılması

    Classification of textile patterns using deep learning

    ERHAN ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAydın Adnan Menderes Üniversitesi

    Matematik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RIFAT AŞLIYAN

  3. Tez No

    981871

    Makine öğrenme yöntemlerini kullanarak paralel bağlı üç adet zıt akışlı Ranque - Hilsch vorteks tüp sistem performansının karşılaştırılması

    Comparison of performance of three parallel-connected opposite flow ranque-Hilsch vortex tube systems using machine learning methods

    VOLKAN DEMİREL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Mühendislik BilimleriBartın Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. VOLKAN KIRMACI

    DR. MURAT KORKMAZ

  4. Tez No

    911669

    Derin öğrenme metotları ile demiryolu arızalarının teşhisi ve sınıflandırılması

    Diagnosis and classification of railway faults using deep learning methods

    RIDVAN ÖZDEMİR

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KOÇ

  5. Tez No

    711362

    Derin öğrenme ve makine öğrenmesi ile uydu görüntülerinin sınıflandırılması

    Classification of satellite images with deep learning and machine learning

    CANBERK AYDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SELDA GÜNEY

Geri Dön