Tez No	İndirme	Tez Künye	Durumu
340494		Yapay sinir ağları ve destek vektör makineleri yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Borsa endeks yönünün tahmini üzerine bir uygulama / Classification performance comparison of artificial neural networks andsupport vector machines methods: An empirical study on predicting stockmarket index movement direction Yazar:ŞENOL Danışman: PROF. DR. MEHPARE TİMOR Yer Bilgisi: İSTANBUL ÜNİVERSİTESİ / SOSYAL BİLİMLER ENSTİTÜSÜ / İŞLETME ANABİLİM DALI / Sayısal Yöntemler Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; İstatistik = Statistics ; İşletme = Business Administration Anahtar Kelime:Borsa endeksi = Stock exchange index ; Destek vektör makineleri = Support vector machines ; Yapay sinir ağları = Artificial neural networks ; Yapay zeka = Artificial intelligence ; Öğrenme algoritmaları = Learning algorithms ; İMKB = İstanbul Stock Exchange	Onaylandı Doktora Türkçe 2013 257 s.
Bu tez çalışmasında, makine öğrenmesi yöntemlerinden olan Yapay Sinir Ağları ve Destek Vektör Makineleri incelenmiştir. Bu yöntemlerin İstanbul Menkul Kıymetler Borsası Ulusal 100 Endeksi?nin yön tahmininde kullanılabilirlikleri araştırılmıştır. Analizde 2005-2011 dönemine ait sırasıyla teknik göstergeler, borsaların endeks değişim oranları ve makroekonomik göstergelerden oluşan veri kümelerinin yön tahmininde gösterdikleri performanslar karşılaştırılmıştır. Sonuçlar incelendiğinde teknik göstergelerin diğer değişkenlere göre daha iyi performans gösterdiği belirlenmiştir. Daha sonra bu veri kümelerinin bir araya getirilmiş hali üzerinde öznitelik seçimi yapılarak yön tahmininin en az sayıdaki değişkenle en doğru şekilde yapılmasını sağlayacak veri kümesi oluşturulmuştur. Tüm analizlerde Yapay Sinir Ağları, Destek Vektör Makineleri?ne göre daha iyi sonuçlar vermiştir.
In this thesis study, Artificial Neural Networks and Support Vector Machines which are machine learning methods were examined. Usability of these methods for the prediction of Istanbul Stock Exchange (ISE) National 100 Index movement direction was investigated. In analysis, performances of the 2005?2011 period data sets containing technical indicators, rate of change of stock market indices and macroeconomic indicators were compared. The results showed that technical variables give better performances than other variables. Later, a dataset which predicts the stock movement direction most accurately with minimum number of variables was formed by feature selection on combined data sets. Artificial Neural Networks gave better results than Support Vector Machines for all analyzes.