Hisse senetleri yatırım kararlarında yapay zekâ uygulaması: Modern bir derin öğrenme algoritması önermesi
Implementation of AI in share investment decisions: Proposition of a modern deep learning algorithm
- Tez No: 728300
- Danışmanlar: PROF. DR. NİHAT KÜÇÜKSAVAŞ
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Algoritmalar, Borsa İstanbul, Derin öğrenme, Hisse senetleri, Portföy, Portföy değerlendirme, Yapay zeka, Yatırım kararları, Algorithms, İstanbul Stock Exchange, Deep learning, Stocks, Portfolio, Portfolio evaluation, Artificial intelligence, Investment decisions
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Beykent Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Finansal piyasa verileri davranışı çok sayıda unsura ve farklı faktörlere bağımlılığı nedeniyle karmaşıktır. Özellikle, pay senedi gelir tahmini için etkili modellerin geliştirilmesi zorlu bir çalışmadır. Uzun kısa süreli bellek (LSTM) yaklaşımı, tahmine dayalı finansal analiz için yaygın olarak kullanılmasa da bu alan için uygulanabilir bir yöntemdir. Ayrıca, Ayrık Dalgacık Dönüşümü (DWT) ile veri düzeltilmesi, Parçacık Sürü Optimizasyonu (PSO) ile LSTM ağları algoritmasının hibridizasyonu, bu çalışmada önerilen sıralı öğrenme için yenilikçi bir tekniktir. Model, performans analizlerine dayalı olarak PSO ile güçlendirilmiş LSTM ağları algoritması, diğer iyi bilinen denetimli ve denetimsiz sınıflandırma tekniklerinden daha iyi performans göstermektedir. Bu çalışmada, BIST 30 endeksi 2000-2021 yılları arasındaki pay senetleri ve medya haberleri verileri kullanılarak, portföy sepeti analizleri ve tahminleri yeni bir yapay zekâ yaklaşımıyla sağlanmaya çalışılmaktadır.
Özet (Çeviri)
Financial market data behavior is complex due to its dependence on many factors and different factors. In particular, the development of effective models for stock income forecasting is a challenge. Although the long short-term memory (LSTM) approach is not widely used for predictive financial analysis, it is a viable method for this field. In addition, the hybridization of Discrete Wavelet Transform (DWT), Particle Swarm Optimization (PSO) and LSTM networks algorithms is an innovative technique for sequential learning proposed in this study. The model outperforms other well-known supervised and unsupervised classification techniques with the PSO powered LSTM networks algorithm based on performance analyses. In this study, it is tried to provide portfolio basket analyzes and forecasts with a new artificial intelligence approach by using the stocks and newspaper news data between the years 2000-2021 in the BIST30 Index.
Benzer Tezler
- Equity portfolio optimization using reinforcement learning: An emerging market case
Pekiştirmeli öğrenme ile hisse senedi portföyü optimizasyonu: Gelişmekte olan piyasa örneği
MERT CANDAR
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Bireysel hisse senedi yatırımcılarının, davranışsal finans kapsamında yatırım kararlarına etki eden unsurların araştırılmasına yönelik bir uygulama
An investigation of investors of individual stock investors affecting investment decisions within the scope of behavioral finance
GÖKSENİN YAŞAR
Yüksek Lisans
Türkçe
2020
İşletmeİzmir Demokrasi Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. CEVDET ALPTEKİN KAYALI
- Hisse senedi yatırım kararlarında genetik algoritmaların kullanımı
Stock investment decisions by using genetic algorithms
MUSTAFA KORAY ÇETİN
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
İstatistikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Bireysel yatırımcıların yatırım kararlarında etkili olan davranışsal eğilimler: BIST yatırımcısı üzerine bir uygulama
Behavioral biases affecting individuals' investment decisions: An application on BIST stock investors
BEYZA DEMİR