Yazar "Akbulut, Serap" seçeneğine göre listele
Listeleniyor 1 - 2 / 2
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Derin öğrenme ve makine öğrenmesi yöntemleri kullanılarak gelişmekte olan ülkelerin finansal enstrümanlarının etkileşimi ile Bist 100 tahmini(Niğde Ömer Halisdemir Üniversites, 2023) Akbulut, Serap; Adem, KemalDöviz 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. Veri kümesi Ocak 2017 – Ekim 2021 tarihleri arasındaki kapanış verilerinden oluşmaktadır. Deneysel çalışmalarda objektifliğin sağlanması amacıyla k=5 ve 10 katlı çapraz geçerlilik modeli uygulanmıştır. Modellerin karşılaştırılmasında; Ortalama Mutlak Hata (MAE), Bağıl Mutlak Hata (RAE), Ortalama Karesel Hata Karekökü (RMSE) ve uzun kısa süreli bellek (LSTM) kullanılmıştır. Deneysel çalışmalar sonucunda, LSTM modelinin makine öğrenmesi modellerine göre daha iyi sonuç verdiği görülmüştür. LSTM modeli için test sonuçları incelendiğinde MAE değeri 10.27, RMSE değeri 14.15 ve RAE değeri ise 6.06’dir.Öğe Makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak bıst100 endeksi ile emtia, döviz fiyatları ve gelişmekte olan ülkelerin borsa endeksleri arasındaki ilişkinin incelenmesi(Sosyal Bilimler Enstitüsü, 2022) Akbulut, Serap; Adem, KemalDöviz 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.
