Yapay öğrenme kullanarak brent petrol vadeli işlem fiyatlarını öngörüleme

Özellikle likit mallar veya varlıklar için son derece karlı ticaret ve yatırımlara yol açan fiyat verileri başta olmak üzere, stratejiyi ve gelecekteki karlı ticari operasyonları tanımlamak için doğru tahmin gereklidir. Bu tez projesi, başarılı finansal ve satış tek değişkenli veri zaman serisi tahmin modellerini araştırır ve Brent Ham Petrol Vadeli İşlemleri fiyatının tahmininde çeşitli yöntemler uygularken, üç ana bölümden oluşan uygun bir veri analizi sürecini öneren ayrıntılı bir şekilde analiz eder: veri incelemesi , model değerlendirme ve sonuç analizi. Bu veri analizi süreci, verilerin altında yatan meta hakkında ayrıntılı bilgi sahibi olmak, tahmin modellerini test etmek, karar vermek, ilgili veriler hakkında çıkarımlarda bulunmak vb. için herhangi bir veriye uygulanabilir. Daha sonra tahmin yöntemlerinin performansı aşağıdakilere göre değerlendirilir. aşağıdaki hata ölçümleri: Ortalama Mutlak Hata (MAE), Ortalama Mutlak Yüzde Hatası (MAPE), Ortalama Kare Hatası (RMSE) ve İzleme Sinyali. Bir dizi tahmin modeli kullanılır: Statsmodel kütüphanesine göre Hareketli Ortalama, manuel olarak kodlanmış Hareketli Ortalama, Holt's Metodu, Holt's Winters Metodu, Uzun Vadeli Kısa Bellek, Oto-regresif Entegre Hareketli Ortalama (ARIMA), Mevsimsel Oto-regresif Entegre Hareketli Ortalama (SARIMAX), Statsmodel kütüphanesi ile Basit Üstel Düzeltme, manuel olarak kodlanmış Basit Üstel Düzeltme, 2 gizli katmana sahip Derin Sinir Ağı, Destek Vektör Regresyonu, Kth En Yakın Komşular Regresyonu.