Derin Öğrenme Yöntemleri ile Borsada Fiyat Tahmini

Authors : Gözde Şişmanoğlu, Furkan Koçer, Mehmet Ali Önde, Ozgur Koray Sahingoz

Pages : 434-445

Doi:10.17798/bitlisfen.571386

View : 27 | Download : 13

Publication Date : 2020-03-13

Article Type : Research

Abstract :Son yıllarda, bilgisayarların donanımındaki teknolojik gelişmeler ve makine öğrenme tekniklerindeki gelişmeler nedeniyle, "Büyük Veri" ve "Paralel İşleme" kullanımı olmak üzere problem çözmek için iki artan yaklaşım vardır. Özellikle GPU'lar gibi çok çekirdekli bilgi işlem aygıtlarında paralel olarak gerçekleştirilebilen Derin Öğrenme algoritmalarının ortaya çıkmasıyla, bu yaklaşımlarla birçok gerçek dünya problemleri çözülebilmektedir. Derin öğrenme modelleri eğitildikleri veri ile sınıflandırma, regresyon analizi ve zaman serilerinde tahmin gibi uygulamalarda büyük başarılar göstermektedir. Bu modellerin finansal piyasadaki en aktif uygulama alanlarından biri özellikle borsada işlem gören hisse senetlerinin tahmini işlemleridir. Bu alanda amaç, pazardaki değişim süreci hakkındaki hisse senedinin önceki günlük verilerine bakarak kısa veya uzun vadeli gelecekteki değerini tahmin etmeye çalışmaktır. Bu çalışmada, LSTM, GRU ve BLSTM isimli 3 farklı derin öğrenme modeli kullanılarak bir hisse senedi tahmin sistemi geliştirilip, kullanılan modeller arasında karşılaştırmalı bir analiz yapıldı. Spekülatif hareketlerden uzak olması için veri seti olarak 1968'den 2018'e kadar olan New York Borsası'ndan hisse senedinin zaman serisi değerlerini kullanıldı. Spesifik olarakta IBM hisse senedi ile test çalışmaları yapıldı. Deneysel sonuçlar BLSTM modelinin 5 günlük girdi verileriyle eğitilmesi ile %63,54 lük bir yönsel doğruluk değerine ulaşıldığını göstermektedir. 
Keywords : Büyük veri, Makine Öğrenmesi, Derin Öğrenme, LSTM, GRU, BLSTM, Fiyat Öngörme