Zaman serisi verilerinin derin yapay sinir ağları ile analizi ve eniyilemesi: Finansal tahmin algoritmaları

Zaman serisi verilerinin analizi istatiksel / matematiksel analiz, sinyal işleme, özellik çıkartma, örüntü tanıma, makine öğrenme ve derin öğrenme yöntemleriyle yapılmaktadır. Zaman serisi verilerinin analizi yapılarak, verilerin gelecek zamandaki değerlerinin tahmini yapılabilmektedir. Finansal zaman serisi verilerinin analizinde finansal teknik analiz göstergeleri kullanıldığı gibi makine öğrenme ve derin öğrenme algoritmaları da kullanılmaktadır. Ancak, literatürdeki çalışmalarda teknik analiz verilerini derin sinir ağı modelleriyle entegre eden modellere pek rastlanmamıştır. Önerilen tez ile teknik analiz verileri işlenerek, derin öğrenme yöntemleri ile birlikte kullanılmaktadır. Tezde önerilen yöntemlerin, diğer önerilen yöntemlerden farkı teknik analiz verilerinin fiyatlar üzerine uygulanarak özellik vektör ve matrislerinin (iki boyutlu resim) oluşturulması ve finansal zaman serisi verilerinin sınıflandırma problemine dönüştürülmesidir. Finansal zaman serisi verilerinde, orta ve uzun vadede finansal tahmin yapabilen, yüksek oranda kar elde edilmesi sağlayabilen, stabil kararlar alabilen yöntemler geliştirmek hedeflenmiştir. Bu hedefler doğrultusunda; finansal teknik analiz göstergeleri, genetik algoritma, derin çok katmanlı algılayıcı sinir ağı, derin konvolüsyonel sinir ağları kullanılarak yenilik içeren algoritma ve metotlar geliştirilmiştir. Tez kapsamında dört farklı öneri yapılmıştır. Önerilen algoritmalar, gerçek bir finansal değerlendirme senaryosunda gerçek verilerle koşturularak, "Al&Tut", RSI ve SMA modelleri ile, LSTM ve MLP regresyon yöntemleri ile karşılaştırılmıştır. Elde edilen sonuçlar yaygın kullanılan Al-Sat modelleri ve literatürde yer alan yapay öğrenme modelleri ile kıyaslandığında daha iyi başarım sağladığı gözlemlenmiştir. Geliştirilen modeller farklı zaman serilerine uygulanabilir.