Financial time series prediction using Kalman filters and hidden Markov models
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2008
Tezin Dili: İngilizce
Öğrenci: BURAK BAYRAMLI
Danışman: SADIK FİKRET GÜRGEN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Finans piyasaları, analiz ve fiyat tahmini yapmak açısından zor biralandır. Tahmin yapılmasını zorlaştıran faktör, herhangi bir gündeki fiyatınortaya çıkmasında çok fazla etkinin olmasıdır. Tahmin ve analiz için şimdiyekadar pek çok istatistiki ve diğer yöntemler bu amaç için seferber edilmiştir -biz de bu yolda bir adım atmaya uğraştık.Bu bağlamda Gizli Markov Modelleri ve Kalman Filtreleri adlı iki kuvvetlimetotun, geçmiş senet verisini modelleyebilerek geleceğe dönük tahminyapabileceğini varsay\-dık, ve iki metodu birleştirerek KMM adlı üçüncü birmetodun performansına baktık. Fiyat tahmin sayılarıni üretirken Monte Carlometotu kullanarak uç noktalarda olan tahminleri ortalama içinde düzeltmeye veböylece daha iyi bir tahmine ulaşmaya çabaladık. Model eğitildikten sonra onuileriye dönük tahminlerde kullanmak için ise, GMM durumunda Viterbi algoritmasıile geçiş olasılıklarını rasgele sayı üreterek takip eden bir algoritma, KalmanFiltreleri durumunda ise en son gelinen zaman noktasından bir sonrakine geçişiçin bizim değiştirdiğimiz zaman güncelleme denklemleri, ve yine rasgele sayıüreten bir algoritma kullandık.Bu tezin bir diğer amacı tarif ettiğimiz metotların diğer klasik metotlarakıyasla nasıl başarı göstereceğini ortaya koymaktı. Bunun için Yapay SinirAğları, polinom regresyon ve en son pür rasgele sayı üreterek tahmin yapmayauğraşan üç diğer metotu test senaryolarımıza dahil ettik. Bu metotların arasındarasgele üretim en alt seviyede performans göstermesini beklenilen metot idi,diğer tüm metotlar farklı derecelerde bu metotu geçmeliydi, ki deneylersonucunda durumun böyle olduğunu gözlemledik.