BIST-50 ENDEKSİ DEĞİŞİM DEĞERLERİNİN SINIFLANDIRILMASINDA MAKİNE ÖĞRENMESİ YÖNTEMLERİ VE YAPAY SİNİR AĞLARI KULLANIMI

Year 2017, Volume: 26 Issue: 1, 231 - 241, 16.04.2017

Enes Filiz Hasan Aykut Karaboğa , Serkan Akoğul

Abstract

Çalışmada, BIST-50 endeksini etkileyen faktörlerden yararlanarak bazı makine öğrenmesi yöntemleri ve yapay sinir ağları ile sınıflandırmalar yapılmıştır. Literatürde sıklıkla kullanılan BIST-50 endeksinin değişimine etki eden faktörlerden DAX, FTSE, S&P 500, BISTBANK, BISTMALI, BISTSINAI, GOLDINDEX, Euro/Dolar Paritesi, Ham Petrol Fiyatı ve Faiz oranları alınmıştır. Sınıflandırmada makine öğrenmesi yöntemlerinden, k en yakın komşu algoritması (k-NN), Naive (basit) Bayes sınıflandırıcısı, C4.5 sınıflandırma algoritması ve yapay sinir ağları (YSA) kullanılmıştır. Weka3.8 programı yardımıyla analizler yapılmıştır. Bu analizler sonucunda %92.71 oranı ile C4.5 sınıflandırma algoritması doğru sınıflandırmada en iyi performansı göstermiştir.

Keywords

BIST-50 endeksi, Makine Öğrenmesi, Yapay Sinir Ağları, Sınıflandırma

References

• Akcan, A. ve Kartal, C., (2011), The Forecasting of Stock Prices in ISE Insurance Index with Artificial Neural Networks, The Journal of Accounting and Finance, 51:27-40. Akçayır, Ö., Doğan, B. ve Demir, Y., (2014), Elton-Gruber Kısıtlı Markowitz Kuadratik Programlama Modeli İle Portföy Optimizasyonu: BIST-50 Üzerine Bir Uygulama, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 19(3):333-352. Arslantaş, C. C. ve Fındıklı, M. A., (2010), İMKB-50’de Yer Alan Şirketlerin Yönetim Kurulu Yapılanmaları, Istanbul University Journal of the School of Business Administration, 39(2): 258-275. Atsalakis, G. S. ve Valavanis, K. P., (2009), Surveying stock market forecasting techniques–Part II: soft computing methods, Expert System Application, 36:5932–5941. Avci, E., (2007), Forecasting Daily And Sessional Returns Of The ISE-100 Index with Neural Network Models, Doğuş Üniversitesi Dergisi, 128-142. Aydeniz, E. Ş., (2009), Makroekonomik Göstergelerin Firmaların Finansal Performans Ölçütleri Üzerindeki Etkisinin Ölçülmesine Yönelik Bir Araştırma: İmkb’ye Kote Gıda Ve İçecek İşletmeleri Üzerine Bir Uygulama, İktisadi ve İdari Bilimler Dergisi, 27(2):263-277. Aygören, H., Sarıtaş, H. ve Moralı, T., (2012), Forecasting ISE 100 Indice Using Artifıcial Neural Networks and Newton Numerical Search Models, International Journal of Alanya Faculty of Business, 4(1):73-88. Bahrammirzaee, A., (2010), A comparative survey of artificial intelligence applications in finance: artificial neural networks, expert system and hybrid intelligent systems, Neural Computing and Applications, 19:1165–1195. Balaban, M., E. ve Kartal, E., (2015), Veri Madenciliği Ve Makine Öğrenmesi, Çağlayan Kitabevi, İstanbul. Borsa İstanbul, http://www.borsaistanbul.com/, Erişim Tarihi: 15.01.2017 Bulut, F., (2016), Performance evaluations of supervised learners on imbalanced datasets, In Electric Electronics, Computer Science, Biomedical Engineerings' Meeting (EBBT), IEEE, 1-4. Çelik, R., (2013), Kelebek Şeklinde Dağılan Artıklar İçin Genel Varyans Dengeleme Yöntemlerinin Karşılaştırılması, Trakya University Journal of Social Science, 15(1):63-84. Daş, B. ve Türkoğlu, İ., (2014), DNA Dizilimlerindeki Nükleotit Çiftlerinin Frekans Değerlerine Göre Farklı Sınıflandırma Yöntemleri ile Karşılaştırılması, Tıp Teknolojileri Ulusal Kongresi (TIPTEKNO'2014), 191-194. Diler, A. İ., (2003), IMKB ULUSAL-100 Endeksinin Yönünün Yapay Sinir Ağları Hata Geriye Yayma Yöntemi İle Tahmin Edilmesi, IMKB Dergisi, 7(25-26):65-84. Egeli, B., Ozturan, M. ve Badur, B., (2003), Stock Market Prediction Using Artificial Neural Networks, Proceedings of the 3rd Hawaii International Conference on Business, Hawai, USA. Elmas, Ç., (2010), Yapay Zekâ Uygulamaları, 2. Baskı, Seçkin Yayıncılık, Ankara. Erdoğan, E. ve Özyürek, H., (2012), Estimating Stock Prices By Neural Networks, Sosyal ve Beşeri İlimler Dergisi, 4:1309-8012. Erpolat, S. ve Öz, E., (2010), Kanser Verilerinin Sınıflandırılmasında Yapay Sinir Ağları ile Destek Vektör Makinelerinin Karşılaştırılması, İstanbul Aydın Üniversitesi Fen Bilimleri Dergisi, 2: 71-83. Fix, E. ve Hodges Jr, J. L., (1951). Discriminatory analysis-nonparametric discrimination: consistency properties. California Univ Berkeley. GCMFOREX, https://www.gcmforex.com, Erişim Tarihi: 15.01.2017 Hamzaçebi, C., (2011), Yapay Sinir Ağlarının Tahmin Amaçlı Kullanımı: Matlab ve Neurosolutions Uygulamalı, Ekin Yayınevi, Bursa. İlarslan, K., (2016), k-En Yakın Komşu (k-NN) Algoritması ile Hisse Senedi Fiyatlarının Tahmin Edilmesi: BİST’ den Örnek Bir Uygulama, Asos journal, 4(30):375-392. Investing, http://tr.investing.com, Erişim Tarihi: 15.01.2017 Karaatlı, M., Güngör, İ., Demir, Y. ve Kalaycı, S., (2005), Estimating stock market movements with neural network approach, Journal of Balikesir University, 2(1):22-48. Karaboğa, H. A., (2015), Dalgacık Dönüşümü Kullanılarak Hisse Senedi Fiyat Tahmini Üzerine Bir Uygulama, Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul. Kasman, S., (2003), The relationship between exchange rates and stock prices: A causality analysis, Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 5(2): 70-79. Kayalıdere, U. A. K., Kargın, S. ve Aktaş, R., (2009), İMKB’de Fiyat ve Hacim Arasındaki Nedensellik İlişkisi, Celal Bayar Üniversitesi SBE Sosyal Bilimler Dergisi, 7:115-124. Kendirli, S. ve Çankaya, M., (2016), Döviz Kuru ve Enflasyonun BİST Banka Endeksi Üzerindeki Etkisi, MANAS Sosyal Araştırmalar Dergisi/MANAS Journal of Social Studies, 5(3): 215-227. Mitchell, T. M., (1997), Machine Learning, Burr Ridge, IL: McGraw Hill, 45(37):870-877. Nizam, H. ve Akın, S. S., (2014), Sosyal Medyada Makine Öğrenmesi ile Duygu Analizinde Dengeli ve Dengesiz Veri Setlerinin Performanslarının Karşılaştırılması, XIX. Türkiye'de İnternet Konferansı Öz, E., Kurt, S., Asyalı, M. H., Kaya, H. ve Yücel, Y., (2016), Feature based quality assessment of DNA sequencing chromatograms, Applied Soft Computing, 41: 420-427. Özdemir, A. K., Tolun, S. ve Demirci, E., (2011), Endeks Getirisi Yönünün İkili Sınıflandırma Yöntemiyle Tahmin Edilmesi: İMKB-100 Endeksi Örneği, Niğde Üniversitesi İİBF Dergisi, 4(2):45-59. Pang, B., Lee, L. ve Vaithyanathan, S., (2002), Thumbs up? Sentiment Classification using Machine Learning Techniques, In Proceedings of the ACL-02 conference on Empirical methods in natural language processing, Association for Computational Linguistics, 10:79-86. Quinlan, J. R., (1996), Improved use of continuous attributes in C4. 5, Journal of artificial intelligence research, 4: 77-90. Rokach, L. ve Maimon, O., (2005), Decision Trees, Data Mining and Knowledge Discovery Handbook, Springer, 165-192. Silahtaroğlu, G., (2013), Veri Madenciliği Kavram ve Algoritmaları, Papatya Yayıncılık, İstanbul. Solmaz, R., Günay, M. ve Alkan, A., (2013), Uzman Sistemlerin Tiroit Teşhisinde Kullanılması, XV. Akademik Bilişim Konferansı Bildirileri, 23-25 Ocak 2013, Antalya. Tektaş, A. ve Karataş, A., (2004), Yapay Sinir Ağları ve Finans Alanına Uygulanması: Hisse Senedi Fiyat Tahminlemesi, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 3(4):337-349. Toraman, C., (2008), Stock Price Forecasting by Using Artificial Neural Networks in Iron-Steel Sector: A Forecasting Application on Erdemir Co. and Kardemir Co., The Journal of Accounting and Finance, 39:44-57. Türkiye Cumhuriyeti Merkez Bankası, http://www.tcmb.gov.tr, Erişim Tarihi: 15.01.2017. Türkoğlu, F., Diri, B. ve Amasyalı, M. F.,(2006), Farklı Özellik Vektörleri ile Türkçe Dokümanların Yazarlarının Belirlenmesi, 15. Turkish Symposium on Artificial Intelligence and Neural Network (TAINN), Muğla. Ünlü, U., Yıldız, B. ve Yalama, A., (2009), İlk Halka Arzlarda Uzun Dönem Getirilerinin Tahmini: Yapay Sinir Ağları İle IMKB İçin Ampirik Bir Çalışma, İstanbul Üniversitesi İktisat Fakültesi Ekonometri ve İstatistik Dergisi, 10:29-47. Wang, J. Z., Wang, J. J., Zhang, Z. G. ve Guo, S. P., (2011), Forecasting Stock Indices with Back Propagation Neural Network, Expert System Application, 38:14346–14355. Vuran, B., (2010), IMKB 100 endeksinin uluslararası hisse senedi endeksleri ile ilişkisinin eşbütünleşim analizi ile belirlenmesi, İstanbul Üniversitesi İşletme Fakültesi Dergisi, 39(1): 154-168. Yakut, E., Elmas B. ve Yavuz, S.,(2014), Yapay Sinir Ağları ve Destek Vektör Makineleri Yöntemleriyle Borsa Endeksi Tahmini, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 19(1):139-157. Zhang, H., (2004), The Optimality of Naive Bayes, A A, 1(2):3.