Yazar "Duman, Mustafa Ozan" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim Yok
    Öğe
    Yapay sinir ağı modelleri ile hisse senetlerinin değişim tahmininde farklı düğüm sayıları, zaman çerçeveleri ve aktivasyon fonksiyonlarının etkisinin araştırılması
    (İnönü Üniversitesi, 2025) Duman, Mustafa Ozan; Tağluk, Mehmet Emin
    Çok sayıda değişkenin etkisi altında olan sistematik değişkenlerin rastgele yürüyüşünü, modern tekniklerle dahi tahmin etmek oldukça zordur. Bu tür karmaşık problemlerin çözümünde, yapay zekâ tabanlı modellerin etkinliği ve hangi modelin hangi parametrelerle daha iyi sonuç vereceği araştırmacılar tarafından merak edilmektedir. Bu tezde, bu tür bir problem olan hisse senetlerinin gelecekteki değerlerini tahmin etmek için farklı YSA modelleri çeşitli parametrelerle test edilerek, bu parametrelerin tahmin performansı üzerindeki etkileri incelenmiştir. Çalışmada, BIST ve NASDAQ borsalarından seçilen bazı hisselere ait, farklı frekansta değişkenler içeren verilerle, farklı düğüm sayıları ve aktivasyon fonksiyonlarına sahip LSTM ve MLP modelleri çeşitli zaman çerçevelerinde test edilmiştir. Denemeler iki ana örnek üzerinden gerçekleştirilmiştir. İlk örnekte farklı düğüm sayıları ve aktivasyon fonksiyonlarının etkisi incelenmiştir. Bu kapsamda, ReLU veya sigmoid aktivasyon fonksiyonu kullanılan ve farklı sayılarda düğüm içeren MLP ile tahminler yapılmıştır. İkinci örnekte, çeşitli frekansta değişkenler içeren veriler kullanılarak, çeşitli modellerin ve farklı zaman çerçevelerinin tahmin sonuçları üzerindeki etkisi incelenmiştir. Burada 1, 2, 3, 4 ve 5 günlük zaman çerçevelerinde LSTM ve MLP ile tahminler yapılmıştır. Üretilen tahminler, gerçek değerlerle MAPE ve EDOC ile karşılaştırılmıştır. Sonuçlar, düğüm sayılarının yaklaşık hesap kuralıyla belirlenebileceğini ve aktivasyon fonksiyonu seçiminde ReLU'nun Sigmoid'e göre daha iyi bir seçenek olabileceğini göstermektedir. Daha fazla sayıda ve farklı frekansta değişken içeren verilerin kullanımının tahmin doğruluğunu artırdığı görülmüştür. Kısa zaman çerçevelerinde yapılan tahminlerin rastgele yürüyüş hipoteziyle uyumlu olarak başarız olduğu görülmüştür. Zaman çerçevelerinin uzunluğu arttıkça, MAPE'de çok büyük olmayan bir artışla birlikte yön doğruluğunun belirgin şekilde iyileştiği ve LSTM modelinin MLP'ye göre daha iyi sonuçlar verdiği görülmüştür. Bu durum, elde edilen sonuçların Dow teorisiyle uyumlu olduğunu ve hisse senetlerinin geçmiş değerlerinin, gelecekteki hareketleriyle bir ilişki taşıdığını göstermektedir.