Show simple item record

dc.contributor.advisorAdem, Kemal
dc.contributor.authorAkbulut, Serap
dc.date.accessioned2023-09-22T12:21:20Z
dc.date.available2023-09-22T12:21:20Z
dc.date.submitted2023-09-20
dc.date.issued2022
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/739678
dc.description.abstractDöviz piyasaları, emtia piyasaları ve gelişmekte olan ülkelerin borsa endekslerinin Bist100 üzerindeki etkisi oldukça önemlidir. Ülke ekonomileri hem kendi hem de diğer ülkelerin ekonomilerine güçlü bir şekilde bağlıdır ve bu sebeple piyasalar etkilenmektedirler. Ekonomik açıdan piyasayı takip etmek kararları doğru verebilmek için tahmin yöntemleri kullanılmaktadır. Bu çalışmada makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak Bist100 endeksi ile emtia, döviz fiyatları ve gelişmekte olan ülkelerin borsa endeksleri arasındaki ilişki tahmin algoritmaları kullanılarak incelenmiştir. Veri kümesi Ocak 2017 – Ekim 2021 tarihleri arasındaki kapanış verilerinden oluşmaktadır. Deneysel çalışmalarda objektifliğin sağlanması amacıyla k katlı çapraz geçerlilik modeli uygulanmıştır. Modellerin karşılaştırılmasında; Ortalama Mutlak Hata (MAE), Bağıl Mutlak Hata (RAE) , Ortalama Karesel Hata Karekökü (RMSE) kullanılmıştır. Makine öğrenmesinde IBk, Kstar, Random Committee ve Random Forest modelleri kullanılırken derin öğrenme yöntemi olarak LSTM modeli kullanılmıştır. Deneysel çalışmalar sonucunda, LSTM modelinin makine öğrenmesi modellerine göre daha iyi sonuç verdiği görülmüştür. LSTM modeli için test sonuçları incelendiğinde MAE değer 10.27, RMSE değeri 14.15 ve RAE değeri ise 6.06 'dır.
dc.description.abstractThe effect of foreign exchange markets, commodity markets and stock market indices of developing countries on Bist100 is very important. The economies of the countries are strongly dependent on the economies of both their own and other countries, and therefore the markets are affected. Forecasting methods are used to follow the market economically and to make correct decisions. In this study, using machine learning and deep learning methods, the relationship between Bist100 index and commodity, foreign exchange prices and stock market indices of developing countries was examined using estimation algorithms. The dataset consists of closing data between January 2017 and October 2021. In order to ensure objectivity in experimental studies, a k-fold cross-validation model was applied. In comparison of models; Mean Absolute Error (MAE), Relative Absolute Error (RAE), Root Mean Square Error (RMSE) were used. While IBk, Kstar, Random Committee and Random Forest models are used in machine learning, the LSTM model is used as a deep learning method. As a result of experimental studies, it has been seen that the LSTM model gives better results than machine learning models. When the test results for the LSTM model are examined, the MAE value is 10.27, the RMSE value is 14.15, and the RAE value is 6.06.en_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontroltr_TR
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.subjectBilim ve Teknolojitr_TR
dc.subjectScience and Technologyen_US
dc.titleMakine öğrenmesi ve derin öğrenme yöntemleri kullanılarak bıst100 endeksi ile emtia, döviz fiyatları ve gelişmekte olan ülkelerin borsa endeksleri arasındaki ilişkinin incelenmesi
dc.title.alternativeInvestigation of the relationship between bist100 index and commodities, stock market prices and exchange indexes of developing countries using machine learning and deep learning method
dc.typemasterThesis
dc.date.updated2023-09-20
dc.contributor.departmentYönetim Bilişim Sistemleri Ana Bilim Dalı
dc.subject.ytmFinancial markets
dc.subject.ytmData mining
dc.subject.ytmArtificial intelligence
dc.subject.ytmDeep learning
dc.identifier.yokid10332222
dc.publisher.instituteSosyal Bilimler Enstitüsü
dc.publisher.universityAKSARAY ÜNİVERSİTESİ
dc.identifier.thesisid727437
dc.description.pages70
dc.publisher.disciplineDiğer


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess