Performance of hybrid machine learning algorithms on financial time series data

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Uygulamalı Matematik Enstitüsü, Finansal Matematik Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: MERVE GÖZDE SAYIN

Danışman: CEYLAN YOZGATLIGİL, ÖMÜR UĞUR

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Piyasayı yansıtan hisse senedi endeksleri tahminlemesi uzun zamandır süregelen önemli bir tartışma konusudur. Bu doğrultuda çeşitli modeller kullanılmş olsa da tarihsel olarak önce istatistiksel metotlar ve daha sonra yapay zekanın hayatımıza girmesiyle beraber çeşitli makine öğrenmesi metotları denenmiştir. Literatüre göre en çok sinir ağları ve ağaç bazlı modeller kullanılmıştır. Bu doğrultuda ise bu tezde sinir ağları yöntemlerinden finansal veriler için en fazla tercih edilen LSTM ve ağaç bazlı modellerden son zamanların gözdesi olan XGBoost ve bu iki modelin hibritlenmesinden meydana gelen toplam dört model incelenmiştir. Ayrıca bu modeller üçü Avrupa, üçü Asya ve üçü Amerika olmak üzere dokuz farklı hisse senedi endeksi üzerinde uygulanmış ve en iyi sonucu veren model MASE değerlendirme kriterine göre açıklanmıştır.