Yapay zekâ yöntemleriyle borsa endeksinin yönünün tahmini üzerine bir çalışma: Karşılaştırmalı analiz
Yükleniyor...
Dosyalar
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Hatay Mustafa Kemal Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada, Makine öğrenmesinin alt dallarından, Regresyon Analizi ve Destek vektör makineleri ile Teknik analiz göstergeleri kullanılarak Bist100 endeksinin yönü tahmin edilmeye çalışılacak ve bulunan sonuçlar karşılaştırılacaktır. Çalışmanın sonunda Bist100 endeksinin tahmini için en iyi yöntem ve tekniğin hangisi olduğuna karar verilecektir. Uygulama aşamasında Bist100 endeksinin günlük ve 60 dakikalık zaman serisi veri setleri kullanılarak, Logistic Regresyon, Lasso Regresyon, Ridge Regresyon ve Destek Vektör Makinesi tahmin modellerinin her biri ile uygulamalar yapılıp simüle edilecek, elde edilen sonuçlar her bir model için ayrı ayrı değerlendirilecektir. En iyi sonuç veren model, teknik analiz göstergeleri ile birlikte kullanılarak Bist100 endeks tahmini için en iyi yöntem elde edilmeye çalışılacaktır
In this study, the direction of the Bist100 index will be tried to be estimated by using Regression Analysis and Support vector machines, which are sub-branches of Machine learning, and Technical analysis indicators and the results will be compared. At the end of the study, it will be decided which is the best method and technique for the estimation of the Bist100 index. During the implementation phase, applications will be made and simulated with each of the Logistic Regression, Lasso Regression, Ridge Regression and Support Vector Machine prediction models using the daily and 60-minute time series data sets of the Bist100 index, and the results will be evaluated separately for each model. The model with the best results will be used together with technical analysis indicators to try to obtain the best method for Bist100 index estimation.
In this study, the direction of the Bist100 index will be tried to be estimated by using Regression Analysis and Support vector machines, which are sub-branches of Machine learning, and Technical analysis indicators and the results will be compared. At the end of the study, it will be decided which is the best method and technique for the estimation of the Bist100 index. During the implementation phase, applications will be made and simulated with each of the Logistic Regression, Lasso Regression, Ridge Regression and Support Vector Machine prediction models using the daily and 60-minute time series data sets of the Bist100 index, and the results will be evaluated separately for each model. The model with the best results will be used together with technical analysis indicators to try to obtain the best method for Bist100 index estimation.
Açıklama
Anahtar Kelimeler
Matematik, Mathematics
