Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/976
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorÖzbayoğlu, Ahmet Murat-
dc.contributor.authorUçar, Mustafa-
dc.date.accessioned2019-04-29T11:53:23Z
dc.date.available2019-04-29T11:53:23Z
dc.date.issued2014
dc.identifier.citationUçar, M.(2014).Evrimsel algoritmalar ile yayılma stratejisi opsiyon çiftlerinin eniyilemesine bağlı iki aşamalı bir alım satım modeli geliştirilmesi .Ankara:TOBB ETÜ Fen Bilimleri Enstitüsü.[Yayınlanmamış Yüksek Lisans Tezi]tr_TR
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp-
dc.identifier.urihttps://hdl.handle.net/20.500.11851/976-
dc.description.abstractArtificial intelligence methods are being used for a long time for portfolio optimization and asset pricing. In this study, a two level option trading strategy has been modeled and optimized by Genetic Algorithm and Particle Swarm Optimization. It is known that performance of financial strategies go up when prices are grouped by trend. Therefore, trending strategy is optimized in the first level. Short-term and long-term average prices are calculated for trending strategy. When short-term average is greater than long-term average, it is accepted as a sign of upward trend; and when short-term average is less than long-term average, it is accepted as a sign of downward trend. Length of short-term and long-term ranges are optimized in the first level. In the second level, trend is identified by results of the first level. Then, The Bull Call Spread strategy is used in upward trend days and The Bear Call Spread is used in downward trend days. Strike prices and expiration dates of the options to be traded are optimized. This model is tested on 5 different ETF's, results are compared with 3 different strategies in the literature and it is observed that this model makes highest profit among these strategies.en_US
dc.description.abstractYapay zeka, portföy optimizasyonu ve fiyatlandırma problemlerinde uzun süredir kullanılmaktadır. Bu çalışmada iki aşamalı bir opsiyon stratejisi modellenmiş, Genetik Algoritma ve Parçacık Sürüsü Eniyilemesi algoritmalarıyla eniyilenmesi amaçlanmıştır. Finansal stratejiler eniyileneceklerinde fiyatların yükselme ve düşme eğiliminde olmak üzere ikiye ayrılarak eniyilenmeleri başarımı arttırmaktadır. Bu nedenle ilk aşamada, eğilim tespit yönteminin eniyilenmesi amaçlanmıştır. Eğilim tespiti için finansal varlığın yakın geçmiş ve uzak geçmişteki fiyat ortalamaları alınmıştır. Yakın geçmiş ortalaması uzak geçmiş ortalamasından fazla olduğunda fiyatın yükselme, tersi durumda ise düşme eğiliminde olduğu kabul edilmiştir. 1. aşamada yakın geçmişin ve uzak geçmişin kaç günden oluşacağı parametreleri eniyilenmiştir. 2. aşamada, 1. aşamada bulunan değerler kullanılarak eğilim tespiti yapılmış, fiyatın yükselme eğilimi göstermesi durumunda Alım Opsiyonlu Yayılım Stratejisi, düşme eğilimi göstermesi durumunda da Satım Opsiyonlu Yayılım Stratejisi kullanılmıştır. Alınacak/satılacak opsiyonların kullanım fiyatları ve vadeleri eniyilenmiştir. Geliştirilen model 5 ETF üzerinde denenmiş, sonuçlar 3 farklı stratejiyle karşılaştırılmış ve en yüksek kârı bu çalışmada önerilen modelin getirdiği görülmüştür.en_US
dc.language.isootheren_US
dc.publisherTOBB Ekonomi ve Teknoloji Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectEvrimsel algoritmalaren_US
dc.subjectEvolutionary algorithmsen_US
dc.subjectGenetik algoritmalaren_US
dc.subjectGenetic algorithmsen_US
dc.subjectOpsiyonen_US
dc.subjectOptionen_US
dc.subjectParçacık sürü optimizasyonuen_US
dc.subjectParticle swarm optimizationen_US
dc.subjectTeknik analizen_US
dc.subjectTechnical analysisen_US
dc.titleEvrimsel Algoritmalar ile Yayılma Stratejisi Opsiyon Çiftlerinin Eniyilemesine Bağlı İki Aşamalı Bir Alım Satım Modeli Geliştirilmesien_US
dc.title.alternativeDeveloping a Two Level Option Trading Strategy Based on Option Pair Optimization of Spread Strategies With Evolutionary Algorithmsen_US
dc.typeMaster Thesisen_US
dcterms.rightsYazarına aittir / Belongs to author
dc.departmentInstitutes, Graduate School of Engineering and Scienceen_US
dc.departmentEnstitüler, Fen Bilimleri Enstitüsütr_TR
dc.relation.publicationcategoryTezen_US
item.openairetypeMaster Thesis-
item.languageiso639-1other-
item.grantfulltextopen-
item.fulltextWith Fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
Appears in Collections:Bilgisayar Mühendisliği Yüksek Lisans Tezleri / Computer Engineering Master Theses
Files in This Item:
File Description SizeFormat 
371110.pdfMustafa Uçar_tez781.68 kBAdobe PDFThumbnail
View/Open
Show simple item record



CORE Recommender

Page view(s)

116
checked on Dec 16, 2024

Download(s)

40
checked on Dec 16, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.