Akademik Veri Yönetim Sistemi
2022 Elektrik-Elektronik ve Biyomedikal Mühendisliği Konferansı (ELECO), Bursa, Türkiye, 26 - 28 Kasım 2022, ss.1-5
Bu çalışmada, kompleks değerli büyük veri akışları için
kullanılan çevrim içi sansürleme tabanlı kompleks değerli en
küçük ortalama kurtosis (OC-CLMK) algoritmasının, finans
verileri üzerindeki tahmin başarımı değerlendirilmiştir. İki
farklı şirketin hisse senetlerinin yıllar içerisindeki kapanış ve
yüksek fiyat verileri kompleks düzleme aktarılmış ve bu
kompleks hale getirilmiş finansal stok verileri üzerinde OCCLMK ve kendisinin klasik versiyonu olan kompleks değerli en
küçük ortalama kurtosis (CLMK) algoritmalarının tahmin
başarımları karşılaştırılmıştır. Sonuç olarak, OC-CLMK
algoritması popüler bir gerçek dünya büyük veri problemi olan
finans verileri üzerinde bilgilendirici olmayan veriyi
sansürleyerek CLMK algoritmasına benzer bir tahmin başarımı
sergilemiş, CLMK’ye kıyasla daha az işlem maliyeti ve veri
sayısı ile ortalama kare hata ve tahmin kazancı açısından
benzer sonuçlar üretmiştir.
This study introduces the prediction performance of the online
censoring-based complex-valued least mean kurtosis (OCCLMK) algorithm, which is used for complex-valued big data
streams, on financial data. The closing and high price data of
the stocks of two different companies over the years are
transferred to the complex domain, and the prediction
performances of OC-CLMK and the complex-valued least mean
kurtosis (CLMK) algorithms are compared on these complex
financial stock data. As a result, the OC-CLMK algorithm
showed similar prediction performance to the CLMK algorithm
by censoring noninformative data on finance data. Compared to
CLMK, OC-CLMK produces similar results in terms of mean
square error and prediction gain with less computational
burden and data size.