Stock market prediction using sentiment analysis and deep learning
Duygu analizi ve derin öğrenme kullanarak borsa tahmini
- Tez No: 758536
- Danışmanlar: Prof. Dr. SÜREYYA AKYÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Borsa, Derin öğrenme, Duygu analizi, Twitter, Stock exchange, Deep learning, Sentiment analysis, Twitter
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Şirketlerin ne zaman alıp satacağını bilmeleri, borsanın çok değişken olması sebebi ile şirketlerin ve bireylerin kârlarını artırmalarına ve zararlarını azaltmalarına büyük ölçüde yardımcı olabilmektedir. Birçok şirket, hisse senedi fiyatlarının hareketini tahmin etmek için veri madenciliği yöntemlerini ve zaman serisi analizini kullanmaktadırlar. Son zamanlarda, metin verisi madenciliği, borsa tahmin tartışmalarında yükselen bir konu olmuştur. Bu tezde, tüm modellerin sonuçlarını değerlendirmek ve karşılaştırmak için en büyük beş şirketin tarihsel hisse senedi fiyatları üzerinde iki derin öğrenme modeli (Uzun Kısa Süreli Bellek (LSTM) ve Tek Boyutlu Evrişimsel Sinir Ağı (1D CNN)) kullanılmıştır. Hisse senedi fiyat değerlerine ek olarak, fiyat değer değişimlerini genel kamuoyu ile ilişkilendirmek için tweet'lere doğal dil işleme yöntemleri (TextBlob) uygulanarak duyarlılık puanları eklenmiştir. TextBlob kütüphanesi diğer dört duygu kitaplığıyla karşılaştırmalı bir çalışma yapıldıktan sonra seçilmiştir. Bu tezde, LSTM'in 1D CNN'den daha iyi performans gösterdiğini ve TextBlob'un hisse senedi ile ilgili Tweet duyarlılık analizi için en iyi doğal dil işleme kütüphanesi olduğunu göstermiştir.
Özet (Çeviri)
The stock market can be volatile; knowing when to buy and sell can drastically help companies and individuals to increase their profit and cut their losses. Many companies have already adjusted data mining methods, namely time-series analysis to predict the movement of stock prices. Lately, mining textual data has been an emerging topic in stock market prediction discussions. In this study, two deep learning models (Long Short-Term Memory (LSTM) and One-Dimensional Convolutional Neural Network (1D CNN)) were used on five of the biggest companies' historical stock prices to evaluate and compare all the models' results subsequently. In addition to stock price values, sentiment scores were added by applying natural language processing methods (TextBlob) to tweets to relate the price value changes with the general public sentiment. TextBlob was chosen after conducting a comparative study with four other sentiment libraries. The study showed that LSTM performs better than 1D CNN and TextBlob is the best natural language processing library for stock-related Tweet sentiment analysis.
Benzer Tezler
- Stock market prediction using machine learning models
Makine öğrenmesi modellerini kullanarak hisse senedi öngörüsü
ATAKAN SİTE
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZERRİN IŞIK
- Derin öğrenme ile borsa verileri üzerinde tahminleme yapılması
Stock market prediction with deep learning
BÜŞRA ASLAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. RIZA CENK ERDUR
- Zaman Serisi Analizi ve Derin Öğrenme Modelleri Kullanarak Amerikan Doları/Türk Lirası Döviz Kuru İçin Hibrid Tahmin Modeli
A Hybrid Forecasting Model for American Dollar/Turkish Lira Exchange Rate Using Time Series Analysis and Deep Learning Models
HARUN YAŞAR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP HİLAL KİLİMCİ
- Deep reinforcement learning approach for trading automation in the stock market
Hisse senetlerinde işlem otomasyonu için derin güçlendirme öğrenme yaklaşımı
TAYLAN KABBANİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiVeri Bilimi Ana Bilim Dalı
Prof. Dr. EKREM DUMAN
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE