Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/977
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorÖzbayoğlu, Ahmet Murat-
dc.contributor.authorBayram, İlknur-
dc.date.accessioned2019-04-29T12:24:48Z
dc.date.available2019-04-29T12:24:48Z
dc.date.issued2014
dc.identifier.citationBayram, İ.(2014).Evrimsel algoritmalar ile üç aşamalı bir korunmalı alım opsiyonu modeli eniyilemesi.Ankara:TOBB ETÜ Fen Bilimleri Enstitüsü.[Yayınlanmamış Yüksek Lisans Tezi]en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp-
dc.identifier.urihttps://hdl.handle.net/20.500.11851/977-
dc.description.abstractEvolutionary algorithms are used in solving various financial problems. Options trading strategies are preferred among traders lately, because they have leveraged and protective transaction characteristics. In this study, an option trading strategy, Covered Call, is optimized with Genetic Algorithm and Particle Swarm Optimization by using a developed Three Layer Trading model. In the first level, the trend is found. In the second level, buy-sell signals are produced with Relative Strength Indicator (RSI) by using the trend found in the first level. The final level optimizes the parameters for the Covered Call strategy. In the first level, the search space is small and the results are found by brute force. Other two levels use genetic algorithm and particle swarm optimization to optimize the appropriate parameters. To test the developed Three Layer Trading model, four ETFs are used, which are SPY, XLE, IWM and XLF. These ETFs are trained and optimized between 2005 and 2008 and tested during 2009. The results are compared with Buy & Hold strategy and previously developed Two Layer Trading Model.en_US
dc.description.abstractGelişimsel algoritmalar finans alanında çeşitli problemlerin çözümü için kullanılmaktadır. Opsiyon alım satım stratejileri de kaldıraçlı işlem özelliği göstermeleri ve güvenli olmaları açısından son zamanlarda tercih edilmektedir. Bu çalışmada Korunmalı Alım (Covered Call) adı verilen opsiyon alım stratejisinin genetik algoritma ve parçacık sürüsü eniyilemesi kullanılarak geliştirilen üç aşamalı model ile eniyilenmesi amaçlanmıştır. İlk aşamada trend belirlemesi yapılmış, ikinci aşamada trend bilgisi kullanılarak, Bağıl Güç Endeksi (RSI) ile al-sat sinyalleri oluşturulmuş ve son aşamada da Korunmalı Alım stratejisi için gerekli parametreler eniyilenmiştir. İlk aşamada arama uzayı küçük olduğu için bütün değerler denenerek sonuçlar elde edilirken, diğer iki aşamada genetik ve parçacık sürüsü algoritmaları eniyileme için kullanılmıştır. Geliştirilen üç aşamalı modeli test etmek için 4 farklı ETF kullanılmıştır; SPY, XLE, IWM ve XLF. Bu ETF'ler 2005-2008 yılları arasında eğitilmiş ve optimize edilmiş, 2009 yılında da test edilmiştir. Elde edilen sonuçlar Al ve Tut yöntemi ile ve daha önce geliştirilen 2 Aşamalı Model ile karşılaştırılmıştır.en_US
dc.language.isotren_US
dc.publisherTOBB Ekonomi ve Teknoloji Üniversitesi Fen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectEvolutionary algorithmsen_US
dc.subjectGenetic algorithmsen_US
dc.subjectOptionen_US
dc.subjectParticle swarm optimizationen_US
dc.subjectEvrimsel algoritmalartr_TR
dc.subjectGenetik algoritmalartr_TR
dc.subjectOpsiyontr_TR
dc.subjectParçacık sürü optimizasyonutr_TR
dc.titleEvrimsel Algoritmalar ile Üç Aşamalı Bir Korunmalı Alım Opsiyonu Modeli Eniyilemesien_US
dc.title.alternativeThree Level Covered Call Options Trading Model Optimized 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.languageiso639-1tr-
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 
371111.pdfİlknur Bayram_tez683.02 kBAdobe PDFThumbnail
View/Open
Show simple item record



CORE Recommender

Page view(s)

154
checked on Dec 23, 2024

Download(s)

30
checked on Dec 23, 2024

Google ScholarTM

Check





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