Sınıflandırma algoritmaları ile borsa endeks yön tahmini
Stock market index direction prediction with classification algorithms
- Tez No: 882971
- Danışmanlar: DOÇ. DR. GÜLDER KEMALBAY
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Borsa endeksi, Makine öğrenmesi, Sınıflama yöntemleri, Stock exchange index, Machine learning, Classification methods
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hisse senedi fiyatları, çeşitli siyasi, ticari ve sosyal etmenler tarafından doğrudan veya dolaylı olarak etkilenebilir. Bu nedenle, hisse senedi getirilerini tahmin etmek oldukça karmaşık bir süreçtir. Günümüzde modern veri madenciliği yöntemleri ve gelişmiş veri tabanı teknolojileri sayesinde, şirket değeri belirleme, borsa endeksi tahmini, döviz kuru tahmini gibi popüler finansal problemlere çözümler üretmek mümkündür. Bu bağlamda, bu çalışmada, BIST 100 Endeksi'nin ertesi işlem gününde hangi yöne doğru hareket edeceğinin tahmin edilmesi hedeflenmiştir. Bu amacı gerçekleştirmek için, günlük veriler kullanılarak makine öğrenmesi sınıflandırma algoritmalarından rassal orman, gradyan arttırma ve uyarlanabilir arttırma modellerinin performansları karşılaştırılmıştır. Sonuç olarak, endeks yön tahmini için rassal orman algoritması, %81 doğruluk oranı yanı sıra tüm metriklerde en iyi performans gösteren sınıflandırıcı olduğu elde edilmiştir.
Özet (Çeviri)
Stock prices can be affected directly or indirectly by various political, business and social factors. Therefore, forecasting stock returns is a highly complex process. Nowadays, thanks to modern data mining methods and advanced database technologies, it is possible to generate solutions to popular financial problems such as company valuation, stock index prediction, and exchange rate prediction. In this context, this study aims to predict the direction in which the BIST 100 Index will move on the next trading day. To achieve this goal, the performances of random forest, gradient boosting and adaptive boosting models from machine learning classification algorithms are compared using daily data. As a result, the random forest algorithm was found to be the best performing classifier in all metrics as well as 81% accuracy rate for index direction prediction.
Benzer Tezler
- Predicting direction of stock price movement by using adaptive ensemble learning method
Hisse senedi fiyatı hareket yönünün adaptif topluluk öğrenmesi metodu ile tahmin edilmesi
ALİ ÖZKAN PEKMEZ
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Öznitelik mühendisliği kullanılarak finansal zaman serisi hareketinin tahmininde makine öğrenmesi yöntemlerinin karşılaştırılması
Comparison of machine learning methods in forecasting financial time series movement prediction using feature engineering
TAMARA KAYNAR
Yüksek Lisans
Türkçe
2021
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ÖYKÜM ESRA YİĞİT
- Hisse senetleri ve sosyal medya arasındaki ilişkinin makine öğrenmesi teknikleri ile belirlenmesi
Başlık çevirisi yok
EMİNE ATEŞ
Yüksek Lisans
Türkçe
2019
İstatistikDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. AYSUN GÜRAN
PROF. SELİM AKYOKUŞ
- 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
GÜLCAN ALİPOUR SARVARİ
- Portföy seçiminde algoritmik yaklaşım: Portföyde uluslararası çeşitlendirmeye yönelik bir çalışma
Algoritmic approach in portfolio selection: A study towards international diversification in portfolio
MAHAMMAD CHARKASOV