Yazar
Tuncer, Tuna, Kaya, Uygar, Sefer, Emre, Alacam, Onur, Hoşer, Tuğcan
Basım Tarihi
2022-11-02
Basım Yeri
-
ACM
Konu
Dikkat, Evrişimli sinir ağları, Derin öğrenme, Hisse senedi fiyat tahmini, Transformatörler
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-1-4503-9376-8
Kayıt Numarası
e1120373-85f5-4398-a694-e8f270ed89dc
Lokasyon
Bilgisayar Bilimi
Tarih
2022-11-02
Örnek Metin
Yapay zeka tabanlı algoritmik ticaret son zamanlarda daha fazla ilgi görmeye başladı. Teknikler arasında transformatörler, evrişimli sinir ağları ve yama gömme yaklaşımları gibi derin öğrenmeye dayalı yöntemler, bilgisayarlı görü araştırmacıları arasında oldukça popüler hale geldi. Bu araştırmada, son teknoloji bilgisayarlı görme yöntemlerinden esinlenerek, geçmiş zaman serisi veri setinin görüntü özelliklerini yakalayarak geçmiş fiyat verilerinden varlık fiyatını ve yönünü tahmin etmek için sırasıyla görüntü transformatörleri ve yama gömme tabanlı evrişimli sinir ağlarını temel alan DAPP (Derin Dikkat Tabanlı Fiyat Tahmini) ve DPPP (Derin Yama Tabanlı Fiyat Tahmini) olmak üzere 2 yaklaşım geliştirdik. Dikkat temelli mimariyi uygulamadan önce, çeşitli sayıda farklı teknik göstergeler kullanarak geçmiş zaman serisi fiyat veri setini iki boyutlu görsellere dönüştürdük. Her gösterge sabit sayıda gün için veri oluşturur. Böylece çeşitli boyutlarda iki boyutlu görüntüler oluşturuyoruz. Daha sonra, her görüntüyü Beklet, Al veya Sat olarak etiketlemek için orijinal görüntüler vadilerini ve tepelerini kullanırız. Eğitimli dikkat temelli modellerimizin, daha uzun test süreleri boyunca hem doğruluk hem de finansal analiz ölçümleri açısından temel evrişimsel mimarilere kıyasla ETF'ler için sıklıkla daha iyi sonuçlar sağladığını görüyoruz.
DOI
10.1145/3533271.3561738
