Show simple item record

dc.contributor.advisorHümeyra Bilge, Ayşeen_US
dc.contributor.authorKoç, Yasemin
dc.date.accessioned2022-03-16T12:28:46Z
dc.date.available2022-03-16T12:28:46Z
dc.date.issued2021
dc.identifier.urihttps://hdl.handle.net/20.500.12469/4268
dc.description.abstractBu çalışmada orta vadeli hisse senetlerinin yönlü tahmini için çalışma yapılmıştır. Bu çalışmayı yaparken son beş yıllık BİST100 verileri ile, ulaşım sektöründen Pegasus hisse senedinin ve bankacılık sektöründen İş Bankası hisse senedi, çalışmada kullanılan hisse senetleridir.BİST100 endeksindeki bu iki şirket için iki ayrı veri seti kullanılarak, çıkan sonuçlar birbiri ile karşılaştırılacaktır. Bu veriler iki farklı makine öğrenmesi algoritması ile karşılaştırılmıştır. Bu algoritmalar yapay sinir ağı ve uzun kısa süreli bellek diye anladırılmış LSTM modelidir. Veriler, İdeal Programının veri tabanından temin edilmiştir. Son beş yılı kapsayan veriler için, sonuçların daha anlamlı olması adına ayrıştırma yapılmıştır. Veri setlerinin analizi, öncelikli olarak Excel platformunda, sonrasında ise MATLAB platformu kullanılarak, yazılan formüller üzerinden, veriler eğitilerek yapılmıştır. Çalışma, verilerin kapanış fiyatları üzerinden hisse senetlerinin yönlü tahminini yapabilmek için, makine öğrenmesi algoritmaları kullanılmıştır. Makine öğrenmesi algoritmalarından olan Yapay sinir ağı (YSA) ve tekrarlayan sinir ağı (RNN) mimarisi olan LSTM modeli kullanılarak veriler eğitilmiştir. Eğitilen verilerin tahmin doğrululuğu birbirleri ile kıyaslanmıştır.tr_TR
dc.description.abstractIn this study, a study was conducted to predict the direction of medium-term stocks. Pegasus stock from the transportation sector and Işbank stock from the banking sector are the stocks used in the study with the latest five-year BIST100 data while doing this study.Using two separate data sets for these two companies in the BIST100 index, the results will be compared with each other. These data were compared with two different machine learning algorithms. These algorithms are an artificial neural network and an LSTM model called long short-term memory. The data were obtained from the data base of the JUL Program. For the data covering the last five years, a decomposition was performed in order to make the results more meaningful. The analysis of the data sets was carried out primarily on the Excel platform, and then using the MATLAB platform, using the formulas written, by training the data. In the study, machine learning algorithms were used to make directional estimation of stocks based on the closing prices of the data. The data were trained using the artificial neural network (ANN), which is one of the machine learning algorithms, and the LSTM model, which is the recurrent neural network (RNN) architecture. The prediction accuracy of the trained data was compared with each other.en_US
dc.language.isoEnglishen_US
dc.publisherKadir Has Üniversitesien_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Controlen_US
dc.subjectEkonomi = Economics ; Maliye = Financeen_US
dc.titleMakine öğrenmesi ile çok terimli hisse senedi yönlü tahmini; BIST100 örneği / Multinomial direction forecast with machine learning algorithms; BIST100 exampleen_US
dc.typeThesisen_US
dc.contributor.khasauthorKoç, Yaseminen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record