A RESEARCH ON BIST ELECTRICITY INDEX PRICE FORECASTING WITH ARTIFICIAL NEURAL NETWORKS

Yıl 2024, Sayı: 69, 179 - 186, 30.12.2024

Didar Güçlü , Veli Akel

https://doi.org/10.18070/erciyesiibd.1513531

Öz

In this study, Artificial Neural Networks are used to predict the price of BIST Electricity Index (XELKT) with various models in the period January 2004-March 2024. In the models predicted, Euro, Dollar, Gram Gold, Brent Oil, Consumer Price Index and BIST100 values are determined as independent variables, and XELKT is determined as dependent variable. The model with the best prediction success is determined by changing different training functions, different numbers of hidden layers and the number of neurons in the hidden layers according to different training and testing rates. The performance of the predicted models has been examined with the measures of Mean Squared Error, Mean Absolute Percentage Error and Root Mean Square Error. Through regression analysis, R values showing the relationship between the actual price and the achieved price are calculated. As a result, it has been concluded that the Artificial Neural Networks Method is successful in predicting the price of XELKT.

Anahtar Kelimeler

Price Forecasting, Artificial Neural Networks Analysis, BIST ELECTRICITY Index

YAPAY SİNİR AĞLARI İLE BİST ELEKTRİK ENDEKSİ FİYAT TAHMİNİ ÜZERİNE BİR ARAŞTIRMA

Öz

Bu çalışmada Ocak 2004- Mart 2024 döneminde, Yapay Sinir Ağları Yöntemiyle BİST Elektrik (XELKT) Endeksinin fiyat tahmini çeşitli modellerle yapılmıştır. Oluşturulan modellerde Euro, Dolar, Gram Altın, Brent Petrol, Tüketici Fiyat Endeksi ve BİST100 değerleri bağımsız değişkenler, XELKT Endeksi bağımlı değişken olarak belirlenmiştir. Farklı eğitim ve test oranlarına göre farklı eğitim fonksiyonları, farklı gizli katman sayıları ve gizli katmanlardaki nöron sayıları değiştirilerek en iyi tahmin başarısına sahip model belirlenmiştir. Oluşturulan modellerin öngörü performansı Ortalama Kare Hata, Ortalama Mutlak Yüzde Hata ve Kök Ortalama Kare Hata ölçütleri ile incelenmiştir. Regresyon analizi sayesinde gerçek fiyat ile ulaşılan fiyatın ilişkisini gösteren R değerleri hesaplanmıştır. Sonuç olarak Yapay Sinir Ağları Yönteminin XELKT Endeksi fiyat tahmininde başarılı olduğu tespit edilmiştir.

Anahtar Kelimeler

Fiyat Tahmini, Yapay Sinir Ağları Analizi, BİST ELEKTRİK Endeksi

Kaynakça

• Asilkan, Ö., & Irmak, S. (2009). İkinci el otomobillerin gelecekteki fiyatlarının yapay sinir ağları ile tahmin edilmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 375-391.
• Aydın, Ö. F. (2019). Yapay sinir ağları ile enflasyon tahmini (Yüksek Lisans Tezi). Beykent Üniversitesi Fen Bilimleri Enstitüsü.
• Chen, A. S., Leung, M. T., & Daouk, H. (2003). Application of neural networks to an emerging financial market: forecasting and trading the Taiwan Stock Index. Computers & Operations Research, 30. 901-923.
• Çalışkan, M. M. T., & Deniz, D. (2015). Yapay sinir ağlarıyla hisse senedi fiyatları ve yönlerinin tahmini. Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 10(3), 177-194.
• Çanakcı, A. (2006). Yapay sinir ağlarının makroekonomik bir model üzerine uygulanması: bir Türkiye örneği (Yüksek Lisans Tezi). Gazi Üniversitesi Sosyal Bilimler Enstitüsü.
• Çınaroğlu, E., & Avcı, T. (2020). THY hisse senedi değerinin yapay sinir ağları ile kestirimi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi 34(1). 1-19. https://doi.org/10.16951/atauniiibd.530322
• Demirel, A. C., & Hazar, A. (2021). Borsa endekslerinin birbirleriyle etkileşimi ve endeks yönünün tahmini: BİST100 üzerine bir uygulama. Ekonomi ve Finansal Araştırmalar Dergisi, 3(1), 1-8.
• Elmas, Ç. (2021). Yapay zeka uygulamaları (5. Baskı). Ankara: Seçkin Yayıncılık.
• Hamzaçebi, C. (2021). Matlab uygulamalı yapay sinir ağları (2. Baskı). Ankara: Seçkin Yayıncılık.
• Karacameydan, F. (2009). Yatırım fonları net varlık değerlerinin yapay sinir ağları yöntemiyle tahmin edilmesi (Yüksek Lisans Tezi). Bozok Üniversitesi Sosyal Bilimler Enstitüsü.
• Karakul, A. K. (2020). Yapay sinir ağları ile BIST-100 endeks değerinin tahmin edilmesi. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(2), 497-509. https://doi.org/10.30798/makuiibf.721866
• Koç Ustalı, N., Tosun, N., & Tosun, Ö. (2021). Makine öğrenmesi teknikleri ile hisse senedi fiyat tahmini. Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 16(1), 1-16. https://doi.org/10.17153/oguiibf.636017
• Korkut, D. (2019). Yapay sinir ağları yöntemi ile talep tahmini ve ayakkabı sektörüne uygulanması (Yüksek Lisans Tezi). Ankara Hacı Bayram Veli Üniversitesi Lisansüstü Eğitim Enstitüsü.
• Özalp, A., & Anagün, A. S. (2003). Yapay sinir ağı performansına etki eden faktörlerin analizinde taguchi yöntemi: hisse senedi fiyat tahmini uygulaması. İstatistik Araştırma Dergisi, 2(1), 29-45.
• Özcan Akdağ, N., Karaatlı, M., & Kocabıyık, T. (2022). BIST Ulaştırma endeksinin YSA NARX modeli ile öngörülmesi. Alanya Akademik Bakış, 6(3). 2721-2746. https://doi.org/10.29023/alanyaakademik.1088404
• Sarı, S. S., & Saka Ilgın, K. (2022). BIST-100 endeks hareketlerinin BRICS endeksleri aracılığıyla tahmin edilmesi: yapay sinir ağları uygulaması. Abant Sosyal Bilimler Dergisi, 22(1), 350-366. https://doi.org/10.11616/asbi.1096346
• Sarıkaya, G. (2019). Yapay sinir ağları ve regresyon modelleri ile BIST Ulusal-100 endeksinin tahmini. 21. Yüzyılda Eğitim ve Toplum, 8(23), 325-340.
• Tektaş, A., & Karataş, A. (2004). Yapay sinir ağları ve finans alanına uygulanması: hisse senedi fiyat tahminlemesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 18(3-4), 337-349.
• Türkiye İstatistik Kurumu. (2020, Eylül 16). Erişim adresi: https://data.tuik.gov.tr
• Türkiye İstatistik Kurumu (2024, Nisan 26). Erişim adresi: https://data.tuik.gov.tr
• Vural, B. B. (2007). Yapay sinir ağları ile finansal tahmin (Yüksek Lisans Tezi). Ankara Üniversitesi Sosyal Bilimler Enstitüsü.
• Yanık, E. (2019). İş makineleri sektöründe yapay sinir ağları ile talep tahmini uygulaması (Yüksek Lisans Tezi). Kırıkkale Üniversitesi Fen Bilimleri Enstitüsü.
• Yavuz, S. (2006). Performans artırmaya yönelik paralel mimarilerin yapay sinir ağları yaklaşımı ile değerlendirilmesi (Doktora Tezi). Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü.
• Yıldız, Ö. (2006). Döviz kuru tahmininde yapay sinir ağlarının kullanımı (Yüksek Lisans Tezi). Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Enstitüsü.
• Yiğiter, Ş. Y., Sarı, S. S., & 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.
• Yurtoğlu, H. (2005). Yapay sinir ağları metodolojisi ile öngörü modellemesi: bazı makroekonomik değişkenler için Türkiye örneği (Uzmanlık Tezi), Devlet Planlama Teşkilatı. DPT Yayın No: 2683.
• Yüksel, R., & Akkoç, S. (2016). Altın fiyatlarının yapay sinir ağları ile tahmini ve bir uygulama. Doğuş Üniversitesi Dergisi, 17(1). 39-50.
• Zhang, G., Patuwo, B. E. & Hu, M.Y. (1998). Forecasting with artificial neural networks: The state of the art, International Journal of Forecasting, 14. 35–62.