Hibrit derin öğrenme modelleri ile hisse senedi fiyat tahmini
Stock price prediction with hybrid deep learning models
- Tez No: 732508
- Danışmanlar: PROF. DR. NURCAN METİN
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İşletme, Econometrics, Business Administration
- Anahtar Kelimeler: Derin öğrenme, Fiyat tahmini, Hibrit model, Hisse senetleri, Tahmin, Tahmin yöntemleri, Teknik analiz, Zaman serileri analizi, Deep learning, Price ferecasting, Hybrid model, Stocks, Estimation, Estimation methods, Technical analysis, Time series analysis
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Zaman serilerinde yüksek performanslı tahminler yapabilmek birçok uygulama alanı için temel öneme sahiptir. Zaman serisi verilerini tek bir yöntemle tahmin etmek yerine, veri setinin barındırdığı farklı fonksiyonel ilişkileri modelleyebilen birden çok yöntemi birleştirilerek tahminde bulunmak, daha etkili sonuçlar vermektedir. Tez kapsamında, Borsa İstanbul'da işlem gören XBANK bankalar endeksinin gelecek değer tahmini için derin öğrenme modelleri arasında zamansal ilişkileri dikkate alan LSTM ve GRU algoritmalarının kullanımı tercih edilmektedir. ARIMA modeli ve teknik analizde kullanılan göstergelerin de kullanımı ile farklı hibrit model yapıları ortaya koyularak tahmin performanslarının arttırılması amaçlanmaktadır. Ele alınan farklı model yapılarının etkinliği, geçerliliği ve model performanslarının değerlendirilebilmesi için modellere ait öngörü değerleri ve hataya bağlı model performans metrikleri karşılaştırılmaktadır. Uygulama sonucunda, ARIMA model artıkları ve teknik analiz göstergelerinin kullanımı ile oluşturulan GRU hibrit modeli, oluşturulan diğer GRU, LSTM ve LSTM hibrit modellerine göre, örneklem dışı değerlere en yakın tahminler vermekte ve düşük hata oranı ile daha başarılı tahmin performansı gerçekleştiren model olarak dikkat çekmektedir.
Özet (Çeviri)
Being able to make high-performance predictions in time series is of fundamental importance for many application areas. Instead of estimating time series data with a single method, estimating by combining multiple methods that can model different functional relationships in the data set gives more effective results. Within the scope of the thesis, the use of LSTM and GRU algorithms, which take into account the temporal relationships between deep learning models, is preferred for the future value estimation of the XBANK banks index traded in Borsa Istanbul. With the use of the ARIMA model and the indicators used in technical analysis, it is aimed to increase the forecast performances by revealing different hybrid model structures. In order to evaluate the effectiveness, validity and model performance of the different model structures under consideration, the predictive values of the models and the model performance metrics related to the error are compared. As a result of the application, the GRU hybrid model, which was created with the use of ARIMA model residues and technical analysis indicators, gives the closest estimates to the out-of-sample values compared to the other GRU, LSTM and LSTM hybrid models created, and draws attention as a model that performs more successful prediction performance with its low error rate.
Benzer Tezler
- Forecasting stock prices using deep learning models with technical indicators
Teknik göstergelerle derin öğrenme modelleri kullanarak hisse senedi fiyatı tahmini
MİNE KONUR
Yüksek Lisans
İngilizce
2024
İstatistikAdana Alparslan Türkeş Bilim ve Teknoloji ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA GÖÇKEN
- Hisse senedi fiyat tahmininde yinelemeli sinir ağı yaklaşımları ve hiperparametre optimizasyonu
Forecasting stock prices using recurrent neural network models and hyperparameter optimization
ABDULMELİK ÖZTUNÇ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EBUBEKİR SEYYARER
- Improving time series forecasts through predictive error compensation and deep feature fusion
Tahmı̇nsel hata telafı̇sı̇ ve derı̇n öznitelik füzyonu yoluyla zaman serı̇sı̇ tahmı̇nlerı̇nı̇n gelı̇ştı̇rı̇lmesı̇
MUHAMMED ENES BAŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Yapay zekâ tabanlı haber analizi ve hisse senedi fiyat tahmini
Artificial intelligence-based news analysis and stock price prediction
ESRA DERİCİ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MASHA MİKAEİLİ
- Borsa istanbul verilerinin yapay zekâ ile tahmini
Prediction of borsa istanbul data with artificial intelligence
OĞUZHAN AKPUNAR
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. DERYA AVCI