A hybrid deep learning based framework for stock market prediction
Başlık çevirisi mevcut değil.
- Tez No: 796064
- Danışmanlar: YRD. DOÇ. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Araştırmacıların zaman serileri ve makine öğrenmesi metodolojilerini kullanarak çeşitli finansal enstrümanların hareket yönünün tahmin edilmesine yönelik çalışmalara yoğunlaştığı görülmektedir. Hem akademik araştırmacılar hem de uygulayıcılar, sermaye piyasası araçlarının gelecekteki hareketleri hakkında tahminlerde bulunmak ve bu tahminleri kazanca dönüştürmek için finansal ticaret stratejileri geliştirmektedir. Bu çalışmada, yeni kombinasyon tabanlı k-ortalama ve LSTM uygulanmış borsa veri seti kullanılmıştır. Önerilen yöntem birkaç metrik parametre kullanılarak doğrulanmıştır. MSE'nin sonuçları KNN 4.3, SVR 2.5, Boosting 3.5, MLP, 4.5, Önerilen Borsa tahmin yöntemi 1.4'tür. Bu, önerilen yöntemin minimum hata oranı sunduğu anlamına gelir. Ayrıca, Kök Ortalama Kare Hatası şu şekilde hesaplanmıştır: KNN 3.1, SVR 2.9, Boosting 3.1, MLP 4.1, Önerilen Borsa tahmin yöntemi 1.5. Ayrıca, Ortalama Mutlak Hata gösterildiği gibi: KNN 2.9, SVR 1.9, Boosting 3.3, MLP 3.2 ve Önerilen Borsa tahmin yöntemi 0.9. Önerilen yöntem, özellik seçme tekniği olarak k-ortalama ile ünlü makine öğrenme teknikleri olan sınıflandırıcı olarak LSTM'yi birleştirdi. ayrıca sonuçları değerlendirmek için DT, SVM ve KNN gibi çeşitli teknikler uygulanmıştır.
Özet (Çeviri)
It is seen that researchers concentrate on studies related to the estimation of the direction of movement of various financial instruments by using time series and machine learning methodologies. Both academic researchers and practitioners develop financial trading strategies to make predictions about the future movements of capital market instruments and to turn these predictions into profits. In this study, new combination based k-mean and LSTM applied stock market dataset. The proposed method validated using several metrics parameters. The results of MSE are KNN 4.3, SVR 2.5, Boosting 3.5, MLP, 4.5, Proposed Stock market prediction method 1.4. This mean that the proposed method presented minimum error rate. Furthermore, Root Mean Square Error calculated as : KNN 3.1, SVR 2.9, Boosting 3.1, MLP 4.1, Proposed Stock market prediction method 1.5. Moreover, Mean Absolute Error as shown: KNN 2.9, SVR 1.9, Boosting 3.3, MLP 3.2, and Proposed Stock market prediction method 0.9. The proposed method combined k-mean as feature selection technique and LSTM as classifier which is famous machine learning techniques. furthermore, several techniques such as DT, SVM and KNN applied to evaluate the results.
Benzer Tezler
- Gelişmiş makine öğrenmesi ile sermaye piyasalarında kısa vadeli yön tahmini ve dinamik TP/SL analizi
Short-term direction forecasting in capital markets with advanced machine learning and dynamic TP/SL analysis
EMRE ARI
Doktora
Türkçe
2026
İstatistikİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Doğal dil işleme tabanlı duygu analizinin ve değişken seçim yöntemlerinin hisse senedi fiyat tahminine etkisi
The impact of natural language processing based sentiment analysis and variable selection methods on stock price prediction
ERDEM KORHAN AKÇAY
Yüksek Lisans
Türkçe
2025
İstatistikEskişehir Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. İSMAİL YENİLMEZ
- 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
- 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
- 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