Forecasting Bist National-100 Index By Using Artificial Neural Network And Regression Models

Yıl 2019, Cilt: 8 Sayı: 23, 325 - 340, 15.08.2019

Görkem Sarıkaya

Öz

Developing countires’ economies have always been impacted by political and other speculative risks. Since Turkey is one of the developing countries, it’s stock exchange experiences significant increases and decreases in stock prices. Due to the discussed significant changes, it is difficult to identify a method that is always reliable on forecasting stock prices. Predictions that are made may not always represent the actual values. To minimize this uncertainty, financial analysts use different financial models. Nowadays, artificial neural network model is introduced in different areas. So that it has been also favoured by most of the financial analyst in the field of finance. At the beginning of the study, linear, logarithmic and cubic regression models were created and which method had better performance and which method was superior was found by the square root of mean error squares. This study aimed to find a reliable method to forecast Bist National-100 Index’s closing values. Stock value data from 2005 to 2012 were used to estimate 2013 year end closing values. Regression and artificial neutral network models were used to predict 2013 stock values. The results were compared with 2013 year end actuals. Based on the magnitude of the variances to the actual results, one of the methods was identified as a more reliable model to forecast future stock values. 

Anahtar Kelimeler

artificial neural network, regression, stock market

Yapay Sinir Ağları Ve Regresyon Modelleri İle Bist Ulusal -100 Endeksinin Tahmini

Öz

Öz:

Ülkemizde içinde bulunduğu siyasi ve politik riskler, Türkiye gibi gelişmekte olan ülkelerin ekonomisini ciddi ölçüde etkilemekte ve spekülatif hareketlerin yaşanmasına neden olmaktadır. Bu durum borsalarda ve hisse senedi fiyatlarında ani iniş ve çıkışların olmasına sebep olmaktadır. Türkiye gibi gelişmekte olan piyasalarda hisse senedi fiyatlarının tahmin edilmesi oldukça güçtür. Yapılan öngörüler her zaman gerçekleşen değerleri güvenilir bir şekilde temsil etmeyebilir. Bu belirsizliği olabildiğince en aza indirmek için finansal analizciler, farklı modeller kullanarak analizler yapmaktadırlar. Günümüzde yapay sinir ağları modeli her alanda kullanılmaya başlandığı gibi finans alanında da oldukça sık kullanılmaya başlanmıştır. Bu çalışmada amaç yapay sinir ağları ve regresyon modeli ile BİST Ulusal-100 endeksinin tahmin edilmesidir. Çalışmanın başında doğrusal, logaritmik ve kübik regresyon modelleri oluşturularak hangi yöntemin performansının daha iyi ve hangi yöntemin daha üstün olduğu hata kareler ortalamasının kare kökü ile bulunmuştur. Bu doğrultuda BİST Ulusal-100 endeksinin 2005 ile 2012 yılları arasındaki kapanış fiyatları kullanılarak, 2013 yılı BİST Ulusal-100 endeksi kapanış değerleri tahmin edilmiştir. Analizde öncelikle regresyon modeli daha sonra da yapay sinir ağları modeli ile öngörülerde bulunulmuştur. Çıkan sonuçlar 2013 yılı gerçekleşen BİST Ulusal-100 endeksi kapanış fiyatları ile karşılaştırılmış tır. Çalışmanın sonunda hangi yöntemin daha üstün ve hangi yöntemin 2013 yılı BİST Ulusal-100 endeksine daha yakın bir tahminde bulunduğu belirlenmiştir.

En Az 250 Kelimelik Özet

Anahtar Sözcükler: (En Az 3 Anahtar Sözcük)

Anahtar Kelimeler

yapay sinir ağları, regresyon, hisse senedi piyasası, tahmin

Kaynakça

• AYGÖREN, Hakan., Hakan. SARITAŞ. ve Tuncay. MORALI, (2012), “İMKB 100 Endeksinin Yapay Sinir Ağları ve Newton Nümerik Arama Modelleri ile Tahmini”, Uluslararası Alanya İşletme Fakultesi Dergisi, IV,12:73-88. CHEN, An Sing., Mark. T., LEUNG. ve Hazem. DAOUK, (2003), “Application of Neural Networks to an Emergining Financial Market: Forecasting and Trading the Taiwan Stock Index”, Pergamon Computers & Operations Research, XXX,6:901,923. BİRCAN, Hüdaverdi., Metin. ZONTUL., ve Ahmet. G. YÜKSEL, (2006), “Som Tipinde Yapay Sinir Ağlarını Kullanarak Türkiye’nin İhracat Yaptığı Ülkelerin Kümelenmesi Üzerine Bir Çalışma”, İktisadi Bilimler Dergisi, XX, 2:219-239. DOĞAN, Gülay, (2010), “ Yapay Sinir Ağları Kulanılarak Türkiye’deki Özel Bir Sigorta Şirketinde Portföy Değerlendirmesi”, Hacettepe Üniversitesi İstatistik Anabilim Dalı, Yüksek Lisans Tezi, Ankara. ERDOĞAN, Elif. ve Hamide. ÖZYÜREK, (2012), “Yapay Sinir Ağlar ile Fiyat Tahminlemesi” ,Sosyal ve Beşeri Bilimler Dergisi, IV, 1: 85-92. FISHER, J. Aldrich, (1922), “The Goodness of Fit of Regression Formulae and the Distribution of Regression Coefficients”, J. Royal Statist. SoC., XX,4: 401-417. FISHER, J. Aldrich, (1925), “Statistical Methods for Research Workers” Edinburg: Oliver and Boyd, <http://trove.nla.gov.au/work/10809098?q&sort=holdings+desc&_=1394179683545&versionId=15607207>, Erişim: 07.03.2014 GALTON, Francis, (1877), “Typical Laws of Heredity”, Nature 15, XV,5:492- 495. GAUSS, C. Friderico, (1809), “Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientum” ,< http://onlinelibary.willey.com/doi/10.1002/ asna.18550402508>, Erişim Tarihi:01.02.2014. GONCALOĞLU, Berrin, (2012), “ Regresyon Analizi”, Yıldız Teknik Üniversitesi Çevre Mühendisliği Bölümü,EğitimNotları <http://www.yarbis.yildiz.edu.tr/.../goncal_198bf26f67f7ff5160d68d1af0e34fe8.pdf>, Erişim Tarihi: 24.02.2014 GÜNERİ, Nermin, (2001), “Öğrenci Başarısızlıklarının Analizinde Sinir Ağları Yaklaşımının Lojistik Regresyon Analizi ile Karşılaştırılması”, Ankara Üniversitesi, Yayınlanmamış Yüksek Lisans Tezi. KADILAR, Cem, (2005), “SPSS Uygulamalı Zaman Serileri Analizine Giriş” Bizim Büro Basımevi. KARAATLI, Meltem, (2003), “Yapay Sinir Ağları Yöntemi ile Tahmin (İMKB’de Bir Uyguama)”, T.C Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, Yüksek Lisans Tezi, Isparta. KARAATLI, Meltem., İbrahim. GÜNGÖR, Yusuf. DEMİR. ve Şeref. KALAYCI, (2005), “Hisse Senedi Fiyat Hareketlerinin Yapay Sinir Ağları ile Tahmin Edilmesi” ,Balıkesir Üniversitesi Bandırma İktisadi ve İdari Bilimler Fakültesi Akademik Fener Dergisi, III,3:38-48. KOCABAŞ,Şakir,(1998), “Yapay Zeka Ders Notları”, İstanbul Teknik Üniversitesi. KÜÇÜKKOCAOĞLU, Güray, Yasemin. K. BENLİ. ve Cemal. KÜÇÜKSÖZEN, (2009), “ Finansal Bilgi Manipülasyonunun Tespitinde Yapay Sinir Ağı Modelinin Kullanımı” İMKB Dergisi, IX,36:1-30. LAWRENCE, Roman, (1997), “Using Neural Networks to Forecast Stock Market Prices”, Department of Computer Science University of Manitoba. ÖZALP, Alperen. ve Sermet. ANAGÜN, (2001), “Sektörel Hisse Senedi Fiyat Tahmininde Yapay Sinir Ağı Yaklaşımı ve Klasik Tahminleme Yöntemleri ile Karşılaştırma” Makine Mühendisleri Odası Endüstri Mühendisliği Dergisi, XII, 3-4: 2-17. PEARSON, Karl, (1903), “The Law of Ancestral Heredity” Biometrika, II,2:27- 29. PEKEL, I. Özlem. (2008), “ Yapay Sinir Ağları”, Orta Doğu Teknik Üniversitesi Bilgisayar Topluluğu Elektronik Dergisi, II,2:1-7. ŞENESEN, Ümit. ve Gülay. ŞENESEN, (2008), “Temel Ekonometri” Literatür Yayınları. YULE, G. Udny, (1897), “On the Theory of Corralation”, J. Royal Statist.Soç., LX,4:812-854.