Dow Jones Endüstri Ortalaması Ve Nasdaq 100 Endekslerinin Makine Öğrenmesi Algoritmaları İle Tahmini Learning

Abstract

Bu çalışmada öncelikle borsalar, dünya borsaları, endeksler hakkında bilgi verilmiş; sonrasında tahmin yapmak için seçilen DJIA ve NDX endekslerinin 2012-2018 verileri üzerinden model hazırlanmıştır. Modelde 2012-2017 veri aralığı eğitim verisi; 2018 test verisi olarak kullanılmıştır. 2019 yılı ise doğrulama amacıyla modelde yer almıştır. Girdi olarak kullanılan göstergeler çoğu araştırmada yer alan teknik göstergeler olup açıklamarına yer verilmiştir. Yöntem olarak Rassal orman ve destek vektör makineleri kullanılmıştır. Modelde DJIA için en uygun yöntem Rassal orman olarak çıkarken; NDX için DVM yöntemi daha başarılı sonuç vermiştir. Tüm kodlar Python versiyon 2.7'de yazılmış; model hesaplamasında scikit-learn kütüphanesinden faydalanılmıştır.

In this thesis, the model has been founded on the closing price of the selected DJIA and NDX indices between the 2012-2018 years period. In the model, the dataset has been split into train and test data and 2012-2017 has been used for training the model, whereas the 2018 has been the test year. 2019 date is the validation data present in the model. As methodology random forest and support vector machines have been selected. All of the codes has been written in Python 2.7 version and models have been calculated using the scikit-learn library.