Hisse senedi fiyatlarının tahmini için bir makine öğrenmesi çerçevesinin geliştirilmesi
Küçük Resim Yok
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Hisse senedi fiyatları, şirketin piyasa değerini gösterir. Fiyatlar arz ve talep ilişkisi, yatırımcıların beklentileri gibi nedenlerden dolayı sürekli değişir. Fiyatların sürekli değişimi nedeniyle yatırımcıların vermiş olduğu kararlar, şirketin değerini belirler. Kararların etkin bir şekilde verilebilmesi için hisse senedi fiyatlarının tahmini yapılır. Hisse senedi fiyatlarının tahmini, veri setinde yer alan fiyatların geçmişteki değerlerine bakılarak gelecekteki fiyatlarının belirlenmesidir. Gelecekteki hisse senedi fiyatları dinamik olduğundan ve verilerde gürültü içerdiğinden tahmin zor bir süreçtir. Araştırmacıları bu konu üzerinde yeni yöntemler bulmaya teşvik etmektedir. Bu tezde, bir sonraki güne ait kapanış fiyatlarının tahmini için arayüz tasarımı yapılmıştır. Tasarlanan arayüzde şirket, yıl, algoritma ve ölçüt seçimi yapabilmek için liste kutuları kullanılmıştır. Seçilen şirketlere ve yıla göre ön işlemeden geçirilen verilerden eğitim ve test verileri oluşturulmuş, eğitim verileri kullanılarak seçili algoritmalar eğitilmiş, algoritmaların 2. kez eğitilmesine gerek kalmadan bir sonraki güne ait kapanış fiyatları tahminlenmiş ve seçili ölçütlere göre sonuçlar elde edilmiştir. Bu kapsamda tahmin ve ölçüt sonuçlarının yer aldığı grafiklerin gösterimi arayüz ile kolaylaştırılmış ve fiyatları en iyi şekilde tahminleyen algoritma seçilmiştir
Stock prices show the market value of the company. Prices change constantly for reasons such as the relationship between supply and demand, investors' expectations. Due to the prices are constantly changing, decisions made by investors determine the value of the company. In order to make decisions effectively, stock prices are estimated. Prediction of stock prices is the determination of future prices by looking at the past values of the prices in the dataset. Forecasting is a difficult process as future stock prices are dynamic and involve noise in the data. It encourages researchers to find new methods of this subject. In this thesis, an interface design was made for prediction of the closing prices of the next day. In the designed interface, list boxes are used to select company, year, algorithm and metric. Training and test datas were created from the data that passed the preprocessing stage according to the selected companies and year, selected algorithms were trained using the training datas, the closing prices for the next day were predicted without the need to train the algorithms for the second time and results were obtained according to the selected metrics. In this context, the display of the graphs containing the prediction and metric results is facilitated by the interface and the algorithm that best estimates the prices has been selected.
Stock prices show the market value of the company. Prices change constantly for reasons such as the relationship between supply and demand, investors' expectations. Due to the prices are constantly changing, decisions made by investors determine the value of the company. In order to make decisions effectively, stock prices are estimated. Prediction of stock prices is the determination of future prices by looking at the past values of the prices in the dataset. Forecasting is a difficult process as future stock prices are dynamic and involve noise in the data. It encourages researchers to find new methods of this subject. In this thesis, an interface design was made for prediction of the closing prices of the next day. In the designed interface, list boxes are used to select company, year, algorithm and metric. Training and test datas were created from the data that passed the preprocessing stage according to the selected companies and year, selected algorithms were trained using the training datas, the closing prices for the next day were predicted without the need to train the algorithms for the second time and results were obtained according to the selected metrics. In this context, the display of the graphs containing the prediction and metric results is facilitated by the interface and the algorithm that best estimates the prices has been selected.
Açıklama
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control, Makine öğrenmesi, Machine learning, Makine öğrenmesi yöntemleri, Machine learning methods
