Akademik Veri Yönetim Sistemi
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.