Mamba ve topluluk öğrenmesi kullanarak hisse senedi hareket tahmini / (Record no. 200464411)

MARC details
000 -LEADER
fixed length control field 06538nam a2200469 i 4500
001 - CONTROL NUMBER
control field 200464411
003 - CONTROL NUMBER IDENTIFIER
control field TR-AnTOB
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20250513110046.0
007 - PHYSICAL DESCRIPTION FIXED FIELD--GENERAL INFORMATION
fixed length control field ta
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field 171111s2025 tu ab e mmmm 000 0 tur d
035 ## - SYSTEM CONTROL NUMBER
System control number (TR-AnTOB)200464411
040 ## - CATALOGING SOURCE
Original cataloging agency TR-AnTOB
Language of cataloging eng
Description conventions rda
Transcribing agency TR-AnTOB
041 0# - LANGUAGE CODE
Language code of text/sound track or separate title Türkçe
099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC)
Classification number TEZ TOBB FBE BİL YL’25 AKG
100 1# - MAIN ENTRY--PERSONAL NAME
Personal name Akgün, Halil İbrahim
Relator term author
9 (RLIN) 148764
245 10 - TITLE STATEMENT
Title Mamba ve topluluk öğrenmesi kullanarak hisse senedi hareket tahmini /
Statement of responsibility, etc. Halil İbrahim Akgün ; thesis advisor Ahmet Murat Özbayoğlu.
246 11 - VARYING FORM OF TITLE
Title proper/short title Stock movement prediction using mamba and ensemble learning
264 #1 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE
Place of production, publication, distribution, manufacture Ankara :
Name of producer, publisher, distributor, manufacturer TOBB ETÜ Fen Bilimleri Enstitüsü,
Date of production, publication, distribution, manufacture, or copyright notice 2025.
300 ## - PHYSICAL DESCRIPTION
Extent xvi, 63 pages :
Other physical details illustrations ;
Dimensions 29 cm
336 ## - CONTENT TYPE
Content type term text
Content type code txt
Source rdacontent
337 ## - MEDIA TYPE
Media type term unmediated
Media type code n
Source rdamedia
338 ## - CARRIER TYPE
Carrier type term volume
Carrier type code nc
Source rdacarrier
502 ## - DISSERTATION NOTE
Dissertation note Tez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Kasım 2025.
520 ## - SUMMARY, ETC.
Summary, etc. Borsa; ulusal politikalar, ekonomik koşullar ve küresel olaylar gibi birçok faktörden etkilenmektedir. Hisse senedi fiyat hareketlerinin doğru bir şekilde tahmin edilmesi, yatırımcılar ve ekonomistler için uzun süredir önemli bir zorluk teşkil etmektedir. Doğru tahminler, yatırım risklerini azaltırken aynı zamanda getiri potansiyelini artırmada kritik bir rol oynamaktadır. Ancak, finansal piyasalardaki dalgalı ve doğrusal olmayan yapılar, tahmin süreçlerini zorlaştırmaktadır. Son yıllarda, Mamba gibi durum uzay modelleri, sıralı verilerin modellenmesinde önemli başarılar elde etmiştir. Bu çalışmada, günlük hisse kapanış fiyatlarındaki yüzdelik değişimleri tahmin etmek için Mamba modeli kullanılmıştır. Tahmin problemi bir sınıflandırma görevi olarak ele alınarak, hisse senedi fiyatının ertesi gün artıp artmayacağını belirlemek hedeflenmiştir. Doğrulama veri kümesinde, modelin performansını artırmak için grid arama yöntemi kullanılarak parametre optimizasyonu gerçekleştirilmiş ve tahminler yapılmıştır. Bunun ardından, tahminlerin başarısını yükseltmek amacıyla, farklı hiperparametre kombinasyonlarına sahip modeller topluluk öğrenmesi yöntemi ile bir araya getirilmiştir. Böylece, tahmin doğruluğu tekli Mamba modeline kıyasla artırılmıştır. Araştırmada, Nasdaq borsasında işlem gören altı farklı şirketin günlük kapanış fiyat hareketleri tahmin edilmiştir. Elde edilen sonuçlar, tekli Mamba modelinin ertesi gün fiyat hareketinin yönünü tahmin etmede ortalama %58.9 F1 skoru elde ettiğini göstermektedir. Buna karşın, toplu Mamba modeli ortalama %60.5 F1 skoru ile dikkate değer bir başarı göstermiştir. Modellerimizin performansını temel model olan LSTM ile karşılaştırdığımızda, LSTM modelinin ortalama %52.5 F1 skoru elde ettiği tespit edilmiştir. Ayrıca, modellerin sınıflandırma performansının yanı sıra finansal değerlendirmesi de yapılmıştır. Elde edilen sonuçlara göre, toplu Mamba modeli, 120 test işlem günü boyunca 10.000 $ başlangıç sermayesi ile ortalama 4.150 $ kâr sağlamıştır. Temel karşılaştırma stratejimiz olan "Al-Tut" stratejisi ise 809 $ zarar etmiştir. Bu bulgular, yatırımcıların daha bilinçli kararlar almalarına önemli bir rehberlik sunmaktadır. Böylece, getirilerin optimize edilmesi ve risklerin en aza indirilmesi sağlanabilmektedir. Sonuç olarak, bu çalışma hisse senedi piyasasında tahmin doğruluğunu artıran etkili bir yöntem sunmakta ve yatırım kararlarının optimize edilmesine katkı sağlamaktadır.
Summary, etc. The stock market is influenced by various factors such as national policies, economic conditions, and global events. Accurately predicting stock price movements has long posed a significant challenge for investors and economists. Accurate predictions play a critical role in reducing investment risks while also enhancing return potential. However, the volatile and nonlinear structures of financial markets complicate the prediction processes. In recent years, state space models like Mamba have achieved significant success in modeling sequential data. This study utilizes the Mamba model to predict percentage changes in daily stock closing prices. The prediction problem is approached as a classification task, aiming to determine whether the stock price will increase or decrease the next day. In the validation dataset, hyper parameter optimization is performed using grid search to enhance the model's performance. Subsequently, to improve the success of the predictions, models with different combinations of hyperparameters are integrated using ensemble learning methods. Thus, the prediction accuracy is increased compared to the single Mamba model. The study, forecasts daily closing price movements for six different companies listed on the Nasdaq stock exchange. The results indicate that the single Mamba model achieves an average F1 score of 58.9%. In contrast, the ensemble Mamba model demonstrates a notable performance with an average F1 score of 60.5%. When comparing the performance of our models with a baseline model, the LSTM model is found to have an average F1 score of 52.5%. Moreover, the financial assessment alongside the classification performance of the models is conducted. According to the findings, the ensemble Mamba model generates an average profit of $4,150 with an initial capital of $10,000 over 120 test trading days. In comparison, our basic strategy, "Buy \& Hold," incurs a loss of $809. These findings provide significant guidance for investors to make more informed decisions. In this way, optimizing returns and minimizing risks can be achieved. In conclusion, this study presents an effective method to enhance prediction accuracy in the stock market and contributes to the optimization of investment decisions.<br/><br/>
650 #7 - SUBJECT ADDED ENTRY--TOPICAL TERM
Topical term or geographic name entry element Tezler, Akademik
Source of heading or term etuturkob
9 (RLIN) 32546
653 ## - INDEX TERM--UNCONTROLLED
Uncontrolled term Hisse senedi hareket tahmini
Uncontrolled term Derin öğrenme
Uncontrolled term Finansal tahmin
Uncontrolled term Durum uzay modelleri
Uncontrolled term Mamba
Uncontrolled term Zaman serisi tahmini
Uncontrolled term Stock movement prediction
Uncontrolled term Deep learning
Uncontrolled term Financial prediction
Uncontrolled term State space models
Uncontrolled term Time series prediction
700 1# - ADDED ENTRY--PERSONAL NAME
Personal name Özbayoğlu, A. Murat
Relator term advisor
9 (RLIN) 125250
710 ## - ADDED ENTRY--CORPORATE NAME
Corporate name or jurisdiction name as entry element TOBB Ekonomi ve Teknoloji Üniversitesi.
Subordinate unit Fen Bilimleri Enstitüsü
9 (RLIN) 77078
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Koha item type Thesis
Source of classification or shelving scheme Other/Generic Classification Scheme
Holdings
Withdrawn status Lost status Source of classification or shelving scheme Not for loan Collection code Home library Current library Shelving location Date acquired Source of acquisition Total Checkouts Full call number Barcode Date last seen Copy number Date shelved Koha item type
    Other/Generic Classification Scheme Ödünç Verilemez-Tez / Not For Loan-Thesis Tezler Merkez Kütüphane Merkez Kütüphane Tez Koleksiyonu / Thesis Collection 13/05/2025 Bağış / Donation   TEZ TOBB FBE BİL YL’25 AKG TZ01798 13/05/2025 1 13/05/2025 Thesis
Devinim Yazılım Eğitim Danışmanlık tarafından Koha'nın orjinal sürümü uyarlanarak geliştirilip kurulmuştur.