Yeni bir evrişimsel sinir ağı modeli ile zaman serisi öngörüsü

Zaman serisi tahmini, birçok bilimsel alanda, her zaman çekici bir konu olmuştur. Özellikle finansal zaman serileri tahmini, geniş uygulama alanları ve onlar üzerine olan önemli etkisi nedeniyle oldukça çekici bir konu haline gelmiştir. Bu doğrultuda, finansal zaman serisi tahmini için evrişimsel sinir ağları (ESA (CNN)) gibi çeşitli hesaplamalı zekâ teknikleri kullanılmaktadır. Ancak şimdiye kadar bildirilen bu çalışmalarda, finansal zaman serilerinin tahmininde ESA (CNN) nadiren tercih edilmiştir. Ve hemen hemen tüm çalışmalarda, zaman serilerinin zaman dizisi etkisi, görüntü dönüşümü nedeniyle tahminler üzerinde korunmamaktadır. Bu noktadan hareketle bu tez kapsamında yeni bir ESA (CNN) tahmin modeli tanıtılarak, görüntü dönüştürme sürecinde oluşabilecek bilgi kayıplarının önüne geçilmesi ve zaman serilerinin tahmin üzerine olan özelliklerinin başarılı bir şekilde ortaya çıkarılması amaçlanmaktadır. Önerilen ESA (CNN) tahmin modeli, üç evrişim katmanı ve beş tam bağlantılı katmandan oluşmaktadır, ayrıca girdiler ve çıktılar arasındaki doğrusal olmayan ilişkileri belirlemek için Relu ve Elu aktivasyon fonksiyonları tercih edilmiştir. Önerilen sistemin performansını değerlendirmek için model, finansal zaman serileri literatüründe sıklıkla kullanılan Tayvan Menkul Kıymetler Borsası Kapitalizasyon Ağırlıklı Hisse Senedi Endeksi (TAIEX) ve Londra borsa verilerine uygulanmıştır. Sonuçlar, hata kriteri, regresyon analizi ve ayrıca görsel gösterim olmak üzere farklı açılardan değerlendirilmiştir. Önerilen modelinin üstün tahmin performansı, elde edilen sonuçların farklı yapay sinir ağları, uzun kısa dönem hafıza, bulanık tabanlı yaklaşımlar ve bazı geleneksel yöntemler gibi son teknoloji tahmin araçlarıyla karşılaştırılmasıyla gözlemlenmiştir.