Derin öğrenmede tekrarlayan sinir ağları yaklaşımı ile hisse senedi fiyat tahmini

Zaman serisi tahmini, geçmiş veri noktalarını zaman sırasına göre düzenleyerek gelecekteki olaylar veya değerler hakkında tahminler yapmayı amaçlayan bir analiz ve modelleme yaklaşımıdır. Bu yöntem, istatistik, ekonometri, finans, meteoroloji gibi birçok alanda kullanılır. Son yıllarda, makine öğrenmesi ve derin öğrenme gibi yeni metodolojilerin yükselişi ile sinir ağları, finansal tahminlerde önemli bir araç haline gelmiştir. Bu çalışma, finansal hisse senedi verilerini tahmin etmek amacıyla tekrarlayan sinir ağı mimarilerini kullanmaktadır. Sinir ağları, karmaşık ve doğrusal olmayan ilişkileri yakalama yeteneği ile öne çıkar ve eksik verileri işleme yeteneği sayesinde bazı avantajlar sunar. Bu çalışma, sinir ağlarıyla kurulan modellerin klasik stokastik zaman serisi yöntemleri ile karşılaştırılmasına odaklanır ve sinir ağlarının finansal tahminlerdeki potansiyel üstünlüklerine vurgu yapar. Sinir ağları, geleneksel yöntemlerin ötesine geçerek, finansal piyasa verilerinin karmaşıklığını ve dinamiklerini daha iyi anlama ve daha doğru tahminler yapma yeteneği sunabilir. Bu çalışma, finansal analistler ve araştırmacılar için yeni bir bakış açısı sunarak, sinir ağlarının finansal tahminlerde nasıl kullanılabileceğini araştırır. Anahtar Kelimeler: Zaman Serisi Tahmini, Tekrarlayan Sinir Ağları, Deri Öğrenme.