Yazar
Gezici, Abdul Haluk Batur, Sefer, Emre
Basım Tarihi
2024
Basım Yeri
-
IEEE
Konu
Varlık fiyat tahmini, Dikkat, Bilgisayar mimarisi, Bilgisayarla görme, Evrişimli sinir ağı, Evrişimli sinir ağları, Derin öğrenme, Görev analizi, Zaman serisi analizi, Transformatörler, Görme transformatörleri
Tür
Süreli Yayın
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
2169-3536
Kayıt Numarası
72948ee6-3abd-46ef-ad41-42fb2dd672ab
Lokasyon
Bilgisayar Bilimi
Tarih
2024
Örnek Metin
Derin öğrenme metodolojilerinin yönlendirdiği algoritmik ticaret alanı son zamanlarda büyük ilgi gördü. Bu alanda transformatörler, evrişimli sinir ağları ve yama yerleştirmeye dayalı teknikler, bilgisayarlı görü topluluğunda popüler seçenekler olarak ortaya çıkmıştır. Burada, en yeni bilgisayarlı görme metodolojilerinden ve zaman serisi veri kümeleri için görüntü benzeri dönüştürme yeteneğini gösteren mevcut çalışmalardan esinlenerek, varlık fiyatlarını ve yönlü fiyat hareketlerini tahmin etmek için daha gelişmiş transformatör tabanlı ve yama tabanlı yaklaşımlar uyguluyoruz. Kullanılan transformatör modelleri arasında Vision Transformer (ViT), Veri Verimli Görüntü Transformatörleri (DeiT) ve Swin yer alır. Transformatörsüz, yama gömme tabanlı evrişimli sinir ağı mimarisi için ConvMixer'ı kullanıyoruz. Test edilen transformatör tabanlı ve yama tabanlı metodolojilerimiz, geçmiş zaman serisi veri kümesindeki doğal görüntü benzeri özelliklerden yararlanarak, geçmiş fiyat verilerini kullanarak varlık fiyatlarını ve yön hareketlerini tahmin etmeyi amaçlamaktadır. Dikkat temelli mimarilerin uygulanmasından önce, geçmiş zaman serisi fiyat veri seti iki boyutlu görsellere dönüştürülür. Bu dönüşüm, her biri ardışık sabit sayıda gün boyunca verilere katkıda bulunan çeşitli ortak teknik mali göstergelerin dahil edilmesi yoluyla kolaylaştırılmaktadır. Sonuç olarak, veri kümesinin çeşitli boyutlarını yansıtan çeşitli iki boyutlu görüntüler kümesi oluşturulur. Daha sonra, piyasa vadilerini ve zirvelerini gösteren orijinal görsellere Tut, Al veya Sat gibi etiketler eklenir. Deneylere göre, eğitimli dikkat temelli modeller, özellikle sık işlem gören Borsa Yatırım Fonlarının (ETF'ler) bir alt kümesine uygulandığında, temel evrişimsel mimarilerden sürekli olarak daha iyi performans gösteriyor. Dikkate dayalı mimarilerin, özellikle de ViT'nin bu daha iyi performansı, özellikle uzun test ve bekleme süreleri sırasında hem doğruluk hem de diğer mali değerlendirme ölçütleri açısından açıkça görülmektedir. Bu bulgular, transformatör tabanlı yaklaşımların varlık fiyatı ve yön tahmini konusundaki tahmin yeteneklerini geliştirmeye yönelik potansiyelinin altını çiziyor. Kodumuz ve işlenmiş veri kümelerimiz https://github.com/seferlab/price_transformer adresinde mevcuttur.
DOI
10.1109/ACCESS.2024.3358452
Cilt
12
