Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli
Öz
Bu çalışmada literatürdeki borsa tahmini kapsamında son yıllarda yapılan çalışmalar detaylı bir şekilde incelenmiştir. İncelenen çalışmalar doğrultusunda evrişimsel sinir ağları (CNN) modelinin borsa tahmini alanına uyarlandığı ve başarılı sonuçlar verdiği gözlemlenmiştir. Bu kapsamda Dow30 endeksinde yer alan hisse senetlerinin bir gün sonraki pozisyonunu (al, sat, tut) tahmin etmek için 2D-CNN tabanlı bir model kullanılmıştır. Bu model için hisse senedi kapanış fiyatları, teknik göstergeler, altın fiyatı, altın oynaklık endeksi, petrol fiyatı ve petrol oynaklık endeksi verileri kullanılarak görüntü tabanlı girdi değişken kümesi oluşturulmuştur. Ayrıca bu çalışmada veri dengesizliği problemini çözmek için yeni bir kural tabanlı etiketleme algoritması önerilmiş ve buna ek olarak elde edilen görüntüler üzerinde döndürme işlemi gerçekleştirilmiştir. Kaydırmalı eğitim-test yaklaşımını kullanan CNN modelinin tahmin performansı literatürdeki diğer çalışmalarla kıyaslanmıştır. Deney sonuçları, veri dengesizliği problemini gidermek için önerilen yaklaşımın CNN modeli ile birlikte kullanıldığında diğer CNN tabanlı çalışmalardan daha yüksek başarı sağladığını göstermiştir. Ayrıca önerilen bu yaklaşımın, modelin tahmin performansını literatürdeki aynı amaçla önerilen Chen ve Huang’ın yaklaşımından daha fazla iyileştirdiği gözlemlenmiştir.
Anahtar Kelimeler
Kaynakça
- Fama, E. F. Random Walks in Stock Market Prices, Financial Analysts Journal, 1995, 51(1), pp. 75-80.
- Kara, Y., Boyacioglu, M. A., & Baykan, Ö. K. Predicting Direction of Stock Price Index Movement Using Artificial Neural Networks and Support Vector Machines: The Sample of The Istanbul Stock Exchange, Expert Systems with Applications, 2011, 38(5), pp. 5311-5319.
- Selvin, S., Vinayakumar, R., Gopalakrishnan, E. A., Menon, V. K., & Soman, K. P. Stock Price Prediction Using LSTM, RNN and CNN-Sliding Window Model, In 2017 International Conference on Advances in Computing, Communications and Informatics (ICACCI), 2017, pp. 1643-1647. IEEE.
- Tekin, S., & Çanakoğlu, E. Analysis of Price Models in Istanbul Stock Exchange, In 2019 27th Signal Processing and Communications Applications Conference (SIU), 2019, pp. 1-4. IEEE.
- Unal, B., & Aladag, C. H. Stock Exchange Prediction via Long Short-Term Memory Networks, Proceedings Book, 2019, 246.
- Parmar, I., Agarwal, N., Saxena, S., Arora, R., Gupta, S., Dhiman, H., & Chouhan, L. Stock Market Prediction Using Machine Learning, In 2018 First International Conference on Secure Cyber Computing and Communication (ICSCCC), 2018, pp. 574-576. IEEE.
- Vijh, M., Chandola, D., Tikkiwal, V. A., & Kumar, A. Stock Closing Price Prediction Using Machine Learning Techniques, Procedia Computer Science, 2020, 167, pp. 599-606.
- Du, J., Liu, Q., Chen, K., & Wang, J. Forecasting Stock Prices in Two Ways Based on LSTM Neural Network, In 2019 IEEE 3rd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC), 2019, pp. 1083-1086. IEEE.
Ayrıntılar
Birincil Dil
Türkçe
Konular
Mühendislik
Bölüm
Araştırma Makalesi
Yayımlanma Tarihi
27 Haziran 2022
Gönderilme Tarihi
14 Şubat 2022
Kabul Tarihi
28 Şubat 2022
Yayımlandığı Sayı
Yıl 2022 Cilt: 15 Sayı: 1
APA
Akşehir, Z. D., & Kılıç, E. (2022). Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 15(1), 6-13. https://doi.org/10.54525/tbbmd.1073368
AMA
1.Akşehir ZD, Kılıç E. Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli. TBV-BBMD. 2022;15(1):6-13. doi:10.54525/tbbmd.1073368
Chicago
Akşehir, Zinnet Duygu, ve Erdal Kılıç. 2022. “Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 15 (1): 6-13. https://doi.org/10.54525/tbbmd.1073368.
EndNote
Akşehir ZD, Kılıç E (01 Haziran 2022) Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 15 1 6–13.
IEEE
[1]Z. D. Akşehir ve E. Kılıç, “Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli”, TBV-BBMD, c. 15, sy 1, ss. 6–13, Haz. 2022, doi: 10.54525/tbbmd.1073368.
ISNAD
Akşehir, Zinnet Duygu - Kılıç, Erdal. “Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 15/1 (01 Haziran 2022): 6-13. https://doi.org/10.54525/tbbmd.1073368.
JAMA
1.Akşehir ZD, Kılıç E. Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli. TBV-BBMD. 2022;15:6–13.
MLA
Akşehir, Zinnet Duygu, ve Erdal Kılıç. “Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, c. 15, sy 1, Haziran 2022, ss. 6-13, doi:10.54525/tbbmd.1073368.
Vancouver
1.Zinnet Duygu Akşehir, Erdal Kılıç. Hisse Senedi Tahmininde Karşılaşılan Veri Dengesizliği Problemi için Yeni Bir Kural Tabanlı Yaklaşım ve 2D-CNN Modeli. TBV-BBMD. 01 Haziran 2022;15(1):6-13. doi:10.54525/tbbmd.1073368
Cited By
Sector-Based Stock Price Prediction with Machine Learning Models
Sakarya University Journal of Computer and Information Sciences
https://doi.org/10.35377/saucis...1200151Evrişimsel Sinir Ağları ile Görüntülerde Gürültü Türünü Saptama
Bilgisayar Bilimleri ve Mühendisliği Dergisi
https://doi.org/10.54525/bbmd.1454595