• Ana Sayfa

Derin öğrenme teknikleri kullanılarak borsadaki hisse değerlerinin tahmin edilmesi

Creative Commons License

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, -, Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: Türkçe

Öğrenci: MEHMET OZAN

Danışman: İlker Dalkıran

Özet:

Borsa hisse değerlerinin, farklı ve çok miktarda kuvvet tarafından etkilenmesi ve bu kuvvetlerin etkileşimlerinin karmaşık olması sebebiyle tahmin edilmeleri oldukça zordur. Bu kuvvetlerin güçlerindeki ve etkileşimlerindeki ufak değişimler, sonuçlarda büyük değişimler olarak görülmektedirler. Ancak istatistik teorilerinden doğan ve ancak günümüz bilgisayarları ile uygulanması mümkün olan karmaşık derin öğrenme teknikleri ile bu değerlerin kısa dönem tahminleri mümkündür. Çalışmamızda Borsa İstanbul içerisinde işlem görmekte olan ISCTR, VAKBN, GARAN, QNBFB ve AKBNK hisse senetlerinin uzun dönem verilerine bakılarak günlük değer tahmini yapılmıştır. Bu tez çalışmasında çok değişkenli yapıda uzun kısa-dönem hafıza (Long Short-Term Memory, LSTM) ve kapılı tekrarlayan hücre (Gated Recurrent Unit, GRU) algoritmaları Adam ve RMSProp optimize edicileri ile kullanılmış ve performansları gözlemlenmiştir. Ayrıca ilgili hisselerin verilerine ek olarak, tahmin kabiliyetini artırmak amacı ile USD/TRY, BIST30, BANKX endekslerine ait tarihsel veriler de kullanılmıştır. Yapılan çalışma sonucunda en başarılı tahmin 0.01465 ortalama bağıl hata ile ISCTR için yapılmış olup tüm hisselere ilişkin tahminlerin ortalama bağıl hatası 0.01633 olarak hesaplanmıştır.