Tez No	İndirme	Tez Künye	Durumu
380009		Hisse senedi fiyat tahminlerinde bilgi işlemsel zeka yöntemleri: Uzman bir sistem aracılığıyla BİSTt uygulaması / Computational intelligence techniques in forecasting stock prices: ISE application with an expert system Yazar:MEHMET ÖZÇALICI Danışman: DOÇ. DR. YÜCEL AYRIÇAY Yer Bilgisi: KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ / SOSYAL BİLİMLER ENSTİTÜSÜ / İŞLETME ANABİLİM DALI Konu:İstatistik = Statistics ; İşletme = Business Administration Dizin:Algoritmalar = Algorithms ; Fiyat tahmini = Price ferecasting ; Hisse senedi değeri = Stock valuation ; Hisse senedi getirileri = Stock returns ; Hisse senetleri = Stocks ; Tahmin = Estimation ; Tahmin yöntemleri = Estimation methods ; Teknik analiz yöntemleri = Technical analysiss methods ; Yapay sinir ağları = Artificial neural networks ; İMKB = İstanbul Stock Exchange	Onaylandı Doktora Türkçe 2015 207 s.
Araştırmacılar hisse senedi fiyatlarının teknik analiz değişkenleri ile birlikte önceden tahmin edilmesi ile ilgili çalışmalar yapmışlardır. Yapay sinir ağları hisse senedi fiyat tahmininde başarıyla kullanılan bilgi işlemsel zeka yöntemlerinden bir tanesidir. Yapay sinir ağları ile fiyat tahmini gerçekleştirilirken, hangi değişkenlerin seçileceğine ve ağ mimarisine kullanıcının karar vermesi gerekmektedir. Bu tezde söz konusu parametreleri belirleyecek genetik algoritma tabanlı uzman bir sistem tasarlanmıştır. T gününe ilişkin fiyat ve hacim bilgileri kullanmak suretiyle teknik göstergeler hesaplanmıştır. Özellik seçimi ve parametre optimizasyonu genetik algoritma ile eşzamanlı gerçekleştirilmiştir. Uzman sistem t+1 gününe ilişkin fiyat tahminlerini gerçekleştirmek için kullanılmıştır. Önerilen uzman sistemin, optimize edilmeyen modele göre hem istatitsiksel başarı ölçülerine göre hem de alım satım simulasyonu sonucuna göre daha iyi sonuçlar ortaya çıkardığı belirlenmiştir. Anahtar Kelimeler: Bilgi işlemsel zeka, hisse senedi fiyat tahmini, genetik algoritmalar, yapay sinir ağları, teknik analiz, özellik seçimi
Researchers are interested with forecasting stock prices using technical indicators. Artificial neural networks are one of the soft computing techniques that is used for forecasting stock prices. The user of the neural network must decide the size of the hidden layer and must select the optimal feature subset to obtain the best forecasting performance from network. In this study an expert system which is based on genetic algorithms is designed to optimize the parameters of the network. Technical indicators are calculated using price and volume information of day t. Feature selection and parameter optimization is handled simultaneusly by using genetic algorithms. Expert system is used to forecast closing prices of day t+1. The results indicate that optimized model outperformed the alternative model in terms of both statistical and financial performance. Keywords: Soft computing, stock price forecasting, genetic algorithms, artificial neural networks, technical analysis, feature selection