Güvenoğlu, ErdalErguvan Etkin, Esin2024-07-122024-07-1220172017Erguvan Etkin, E. (2017) Zaman serilerinde veri madenciliği öngörü algoritmalarının etkinlik ve verimliliğinin BIST100 hisse senetleri üzerinde gerçeklenmesi / Implementation of efficiency and productivity of time series data mining prediction algorithms on BIST100 stocks (Yayımlanmamış Yüksek Lisans Tezi). Maltepe Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.https://hdl.handle.net/20.500.12415/11320Bu tezde, WEKA veri madenciliği yazılımındaki, 9 zaman serisi öngörü (forecasting) algoritmasının etkinlik ve verimliği, BIST-100 Hisse senetlerinden çeşitli alanlarda seçilen 5 hisse senedinin, 3 farklı dönemli veri setleri üzerinde 1 yıllık öngörüleri yapılarak kıyaslanmıştır. Bu uygulama için, banka, sanayi ve holding sektörlerinden 5 hisse seçilmiş ve algoritmalar, kısa (1 yıl), orta (3 yıl) ve uzun (5 yıl) dönemli, çok değişkenli zaman serisi veri setleri üzerinde uygulanmıştır. Ocak -Aralık 2016 arasındaki 12 aylık dönem için günlük bazda öngörüler ile etkinlik ve verimlilik analizleri yapılmıştır. Tezin ikinci bölümünde, literatür araştırması yapılmış ve ilgili çalışmalara değinilmiştir. Üçüncü bölümde, çalışmada kullanılacak olan tanımlar, algoritmalar, performans ölçüm kriterleri, WEKA uygulaması ve zaman serisi öngörü modülü konuları ele alınmıştır. Ayrıca bu bölümde veri setlerinin hazırlanmasına yer verilmiştir. Dördüncü bölümde, öngörü uygulaması, algoritmalar ve veri setlerinin performans ölçümleri ve öngörü grafikleri ele alınmıştır. Son olarak beşinci bölümde analiz sonuçları değerlendirilmiştir. Haziran 2017 yılında yazılmış olan bu tez 126 sayfadan oluşmaktadırIn this thesis, the effectiveness and efficiency of the 9 time series forecasting algorithm in the WEKA data mining software are compared with the 1-year forecasts of the 5 selected stocks of BIST-100 Stocks in various fields over 3 different extent of data sets. For this application, 5 shares were selected from the bank, industry and holding sectors and the algorithms were applied on multivariate time series data sets for short (1 year), medium (3 years) and long (5 years). Daily basis predictions activity and productivity analyzes were conducted for the 12 month period between January – December 2016. In the second part of the thesis, a literature search was carried out and related works were mentioned. In the third part, the definitions, algorithms, performance measurement criteria, WEKA implementation and time series prediction module which will be used in the study are discussed. In addition, preparation of data sets is included in this chapter. In the fourth chapter, forecasting application, performance measures of algorithms and data sets, and forecasting graphics are discussed. Finally in the fifth section, the results of the analysis were evaluated. This thesis which was written in July 2017 consists of 126 pages.trinfo:eu-repo/semantics/openAccessVeri madenciliğiZaman serisi veri madenciliğiZaman Serisi Veri Madenciliği Öngörü AlgoritmalarıPerformans AnaliziWEKA uygulaması.Data miningTime-series data miningTime-series data mining algorithms for predictionPerformance analysisWEKA application.Master Thesis