Deep learning networks for stock market analysis

Abstract

Borsa, bir ülkenin ekonomik koşullarının kilit bir göstergesidir. Borsa, broker ve şirketlerin yatırım yapması için tarafsız bir zemin sağlar. Yüksek yatırım getirisi nedeniyle, insanlar geleneksel bankalardan ziyade borsalara yatırım yapma eğilimindedir. Ancak, döviz kurlarındaki yüksek dalgalanmalar nedeniyle borsalara yatırım yapma riski yüksektir. Bu nedenle, oldukça sağlam bir borsa tahmin sistemi geliştirmek, yatırımcıların yatırım hakkında daha iyi bir karar vermelerine yardımcı olabilir. Borsa tahmini, değişken piyasa durumlarıyla başa çıkmak için en ilginç araştırma alanı haline gelmiştir. Bu alanda bir dizi araştırma çalışması yayınlanmış ve farklı yöntemler önerilmiştir. Yapay zekâ (AI) alanındaki makine öğrenimi tekniklerinin başarısını takiben, borsa tahmini alanındaki verimliliklerini de gösterdiler. Bu tez çalışmasında, borsa fiyat tahmini için en popüler üç makine öğrenme algoritması ve gelecekteki piyasa değerini tahmin etmek için hisse senedi geçmiş verilerine derin öğrenme temelli bir yaklaşım uygulanmıştır. İncelenen yöntemler şunlardır: Yapay Sinir Ağı (YSA), k-En Yakın Komşular (KNN), Oto-Regresif Entegre Hareketli Ortalamalar (Auto ARIMA) ve Uzun Kısa Süreli Bellek (LSTM). Bu çalışmanın amacı, geçmiş hisse senedi fiyat verilerine bakarak gelecekte bir tahmin yapmaktır.

The stock market is a key indicator of the economic conditions of a country. Stock exchange provides a neutral ground for brokers and companies to invest. Due to high investment return, people tend to invest in stock markets rather than traditional banks. However, there is high risk is investment in stock markets due to high fluctuations in exchange rates. Therefore, developing a highly robust stock prediction system can help investors to make a better decision about investment. A number of research works have been published in this area and different methods has been proposed. Following the success of machine learning techniques in the field of artificial intelligence (AI), they have also shown their efficiency in the field of stock market prediction. In this thesis, the three most popular machine learning algorithms for stock market price prediction and a deep learning based approach to stock historical data have been applied to predict future market value. The methods investigated include: Artificial Neural Network (ANN), k-Nearest Neighbors (KNN), Auto-Regressive Integrated Moving Averages (Auto ARIMA) ve Long Short Term Memory (LSTM). The aim of this study is to make a future forecast by looking at the historical stock price data.