Finansal verilerin özellikle Borsa verilerinin incelenmesi ve gelecek değerlerinin tahmini edilmesi, yatırımların doğru şekilde yapılandırılması için önem arz etmektedir. Bu problem çözümü araştırılırken literatürde farklı metotlar kullanıldığı anlaşılmıştır. Bu metotlardan biri de yapay sinir sistemlerinin alt dalı olan makine öğrenmesidir. İnsan beyin yapısının özelliklerinden keşfetme, öğrenme, yeni bilgiler türetebilme gibi işlevleri otomatik olarak ve yardım almadan yapan bilgisayar sistemlerine yapay sinir ağları denir. Daha genel bir anlatım ile yapay sinir ağları, beyin yerine kullanılmak üzere, beyin modellemesi için tasarlanan sistem denilebilir. Yapay sinir ağları katmanlardan meydana gelir ve tıpkı gerçek sinir hücreleri gibi birçok bağlantıdan meydana gelir. Beynin bilgiyi işleme yöntemi gibi öncelikle öğrenme sürecinden geçen sinir ağları sonrasında bilgiyi toplar, diğer hücrelerle arasındaki bağlantılar ve ağırlıklar bilgiyi kaydeder, genelleme yeteneği ile senkron çalışan işlemci gibi işlevini yerine getirir. Bu öğrenme aşamasında istenilen amaca ulaşmak için bir takım ayar diyebileceğimiz ağırlıkların yeniden hesaplanmasını içeren öğrenme algoritmalarını da barındırır. Bu çalışmada borsada verilerin bir gösterim şekli olarak da bilinen Mum çubuk gösterimleri ve formasyonları incelenmiştir. Bu formasyonun hangi durumlarda ne anlama gelebilecekleri uzman görüşlerine dayanılarak araştırılmıştır. Veri ön işleme olarak, Borsa İstanbul’dan elde edilen veriler, hatalar ve eksik bilgiler temizlendikten sonra mum çubuklarına dönüştürülmüştür. Verilerin görselleştirilmiş halleri elde edildikten sonra, derin öğrenme modeli olan LSTM (Long-Short Term Memory) ile eğitilmiştir. Elde edilen sonuçlar Google Colab geliştirme ortamında başaralı bir şekilde çalışma gerçekleştirilmiş, sonuçları değerlendirilmiştir.
Anahtar Kelimeler: yapay sinir ağları, makine öğrenmesi, finans, mum çubukları, borsa
|
