Interaction of Stock Market Indices With Each Other and The Prediction of Index Direction: An Application on BIST100

Abstract

As well as in every area, globalization shows its effect in capital markets. Indicators such as stock prices, bond prices, and index movements can also be estimated based on the factors in the domestic market, like the changes in the foreign market. Investors can either increase or decrease their trading in this direction if they anticipate the risks that they can bear. One of the information, that investors want to foresee, is stock market index movements. In this study, the daily movements of the DOW 30, DAX, FTSE 100, and EURO STOXX 50 indices, which are leading in the effective and size rankings, were used to estimate the movement directions of the BIST 100 index. The direction of index movements used as input variables, are categorized into two groups as increase and decrease. The artificial neural network method, one of the methods with high success especially in classification problems in recent years, has been used. The application was made with the method based on machine learning. As a result, the final as high as success rate is 59.57 %.

Keywords

• Artificial Neural Networks
• BIST 100 Index Movements Estimation
• Deep Learning

Borsa Endekslerinin Birbirleriyle Etkileşimi ve Endeks Yönünün Tahmini: BİST100 Üzerine Bir Uygulama

Abstract

Küreselleşmenin etkisi her alanda olduğu gibi sermaye piyasalarında da kendini göstermektedir. Hisse senedi fiyatları, tahvil fiyatları, endeks hareketleri gibi göstergeler, iç pazardaki faktörlere bakılarak tahmin edileceği gibi dış pazarda meydana gelen değişimlerden de etkilenmektedir. Yatırımcılar, katlanabilecekleri riskleri öngörmeleri halinde alım-satım işlemlerini bu yönde arttırıp, azaltabilirler. Yatırımcılar için öngörülmek istenen bilgilerden biri de borsa endeks hareketleridir. Bu çalışmada, etkin ve büyüklük sıralamalarında önde gelen DOW 30, DAX, FTSE 100 ve EURO STOXX 50 endekslerinin 2014-2019 yılları günlük hareketleri alınarak, BIST 100 endeksi hareket yönleri tahmin edilmeye çalışılmıştır. Girdi değişken olarak kullanılan endeks hareketlerinin yönleri artış ve azalış olarak sınıflandırılmıştır. Son yıllarda özellikle sınıflandırma problemlerinde başarısı yüksek olan ve öğrenmeye dayalı kullanılan yöntemlerden biri olan yapay sinir ağları, yöntem olarak kullanılmıştır. Çalışma sonucunda BIST 100 endeksi değişim yönleri %59,57 başarı oranıyla doğru tahmin edilmiştir.

Keywords

• Yapay Sinir Ağları
• BIST 100 Endeks Hareketleri Tahmini
• Derin Öğrenme

References

1. Chen, A.S. and Leung, M.T. (2004). Regression neural network for error correction in foreign exchange forecasting and trading. Computers & Operations Research, 31(7): 1049-1068.
2. Gündüz, H., Çataltepe, Z. and Yaslan, Y. (2017, May). Stock market direction prediction using deep neurol networks. Paper presented at the 25th Signal Processing and Communications Applications Conference (SIU), Antalya. Retrieved from https://ieeexplore.ieee.org/document/7960512
3. Kutlu, B. ve Badur, B. (2009). Yapay sinir ağları ile borsa endeksi tahmini. Yönetim Bilimleri Dergisi, 20(63): 25-40.
4. Kuzey, C. (2012). Veri madenciliğinde destek vektör makineleri ve karar ağaçları yöntemlerini kullanarak bilgi çalışanlarının kurum performansı üzerine etkisinin ölçülmesi ve bir uygulama (Yayınlanmamış Doktora Tezi). İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
5. Leung, M.T., Daouk, H. and Chen, A.S. (2000). Forecasting stock indices: A comparison of classification and level estimation models. International Journal of Forecasting, 16(2): 173-190.
6. Liu, F. and Wang. J. (2012). Fluctuation prediction of stock market ındex by legendre neural network with random time strength function. Neurocompiting, 83: 12-21.
7. Malakooti, M.V. and AghaSharif, A. (2015, Jan). Prediction of stock market ındex based on neural networks, genetic algorithms and data mining Using Svd (pp. 29-40). The Prooceedings of the International Conference on Digital Information Processing Data Mining and Wireless Communications, Dubai, UAE.
8. Moghaddam, A.H., Moghaddam M.H. and Esfandyari M. (2016). Stock market ındex prediction using an artificial neural network. Journal of Economics Finance and Administrative Science, 21(41): 89-93.

9. Özçalıcı, M. (2016). Yapay sinir ağları ile çok aşamalı fiyat tahmini: BIST 30 senetleri üzerine bir araştırma. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 31(2): 209-227.
10. Özer, A., Sarı, S.S. ve Başakın, E.E. (2017). Bulanık mantık ve yapay sinir ağları ile borsa endeks tahmini: Gelişmiş ve gelişmekte olan ülkeler örneği. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(2): 99-123.
11. Öztemel, E. (2006). Yapay sinir ağları. Türkiye: Papatya Yayınevi.
12. Pabuçcu, H. (2019). Borsa endeksi hareketlerinin tahmini: Trend belirleyici veri. Selçuk Üniversitesi Sosyal Bilimler Yüksekokulu Dergisi, 22(1): 246-256.
13. Schoeneburg, E. (1990). Stock price prediction using neural networks: A project report. Neurocomputing, 2(2): 17-27.
14. Selvamuthu, D., Kumar, V. and Mishra, A. (2019). Indian stock market prediction using artificial neural networks on tick data. Financial Innovation, 6(5): 1-12.
15. Vui, S.C., Soon, K.G., On, K.C., Alfred, R. and Anthony, P. (2013, Nov). A review of stock market prediction with Artificial neural network (ANN). Paper presented at the 2013 IEEE International Conference on Control System, Computing and Engineering, Malaysia. Retrieved from https://ieeexplore.ieee.org/document/6720012
16. Yiğiter, Ş.Y., Sarı, S.S. ve Başakın, E.E. (2017). Hisse senedi kapanış fiyatlarının yapay sinir ağları ve bulanık mantık çıkarım sistemleri ile tahmin edilmesi. Kahramanmaraş Sütçü İmam Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(1): 1-22.
17. Zhang, Y. and Wu, L. (2009). Stock market prediction of S&P 500 via combination of improved BCO approach and BP neural network. Expert Systems with Applications, 36(5): 8849-8854.