Kurtulmaz, EkimAziz, R.Uçar, U.Özyer, TanselAlhajj, Reda2019-07-102019-07-102018-07Kurtulmaz, E., Aziz, R., Uçar, U., Özyer, T., & Alhajj, R. (2018, May). Periodicity detection in turkish stock market. In 2018 26th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.978-153861501-0https://ieeexplore.ieee.org/document/8404289https://hdl.handle.net/20.500.11851/203426th IEEE Signal Processing and Communications Applications Conference (2018 : Izmir; Turkey)This paper provides a periodicity detection sample of the Turkish Stock Market using data mining concepts and techniques. The extraction of periodic patterns from the time series databases is a captivating area in data mining such that it has impulse to forecast and predict the behavior of time series data in the future. Given data from on a multilevel space from different industries, we find repeating trends and frequent patterns using correlation analysis and fourier spectral evaluation. Using the projection of transformed time-series data of the feature space, we indicate long-term movements, cyclic moves, seasonal variations, and random moves. Finally, we will present a simple trend analysis for time-series forecasting the periodicity. © 2018 IEEE.Bu makalede, veri madenciligi teknikleri kullanılarak Türk Borsası’nda işlem gören hisse senetlerinin periyodiklik analizi yapılmıştır. Zaman serisi verilerindeki periyodik örüntülerin incelenmesi ilgi gören bir veri madenciligi problemidir, ve gelecek tahmini yapmak için kullanılabilir. Farklı sektörlerden hisse senetlerinin incelendigi bu çalışmada, tekrar eden yönelimler ve sık karşılaşılan örüntüler, ilinti analizi ve Fourier Dönüşümü yöntemleriyle tespit edilmiştir. Zaman serisinin farklı boyutlara dönüştürülmesiyle elde edilen veri, uzun süreli hareketleri, dönemsel hareketleri, periyodik hareketleri ve rasgele hareketleri saptamamızı saglamıştır. Son olarak ise, periyodiklik bilgisi kullanılarak basit bir yönelim tahmini yapılmıştır.trinfo:eu-repo/semantics/closedAccessTime seriesData miningseries classificationPeriyodiklik KestirimiVeri MadenciliğiÖrüntü TanımaConference Object2-s2.0-8505079451210.1109/SIU.2018.8404289