gummfd Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 1300-1884 1304-4915 Gazi Üniversitesi 10.17341/gazimmfd.656448 Engineering Mühendislik BİST 100 getiri zaman serisinin kaotik analizi ve ANFIS ile kısa dönemli öngörülebilirliği https://orcid.org/0000-0001-6307-3352 Molla Büşra SAKARYA ÜNİVERSİTESİ https://orcid.org/0000-0001-8609-6178 Cagıl Gültekin SAKARYA ÜNİVERSİTESİ https://orcid.org/0000-0001-5897-6274 Uyaroğlu Yılmaz SAKARYA ÜNİVERSİTESİ 03 05 2021 36 2 577 592 12 06 2019 09 27 2020 Copyright © 1986, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 1986 Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

Borsa İstanbul’da işlem gören, halka açıklık oranı, işlem hacmi ve piyasa değeri gibi kriterler yönünden en yüksek 100 pay senedinin başarısının değerlendirilmesinde BİST 100 endeksi kullanılmaktadır. Bu çalışmada, BİST 100 getirilerinin kaotik yapıya sahip olup olmadığının ve kısa dönemli öngörülebilirliğinin tespit edilmesi amaçlanmıştır. Öncelikle, 02.01.2008 ile 02.01.2018 tarihleri arasındaki günlük BİST 100 fiyat endeksi verileri kullanılarak BİST 100 getirileri elde edilmiştir. En uygun gecikme zamanı ve gömülü boyut kullanılarak, kaos analizi için gerekli olan faz uzayı yeniden oluşturulmuştur. Ardından, bu getiri serisi için elde edilen yeni faz uzayında kaotik çekerin korelasyon boyutu hesaplanmıştır. Çalışılan BİST 100 yapısının doğrusal olup olmadığını tespit edilmesinde BDS (Brock, Dechert ve Scheinkman) testinden yararlanılmıştır. Bununla beraber, serinin uzun dönemli hafızaya sahip olup olmadığı, dönüştürülmüş genişlik yöntemi ile Hurst üsteli katsayısı belirlenmiştir. Getiri serisinin pozitif Lyapunov üsteline bakılarak, bu serinin kaotik davranış gösterip göstermediği tespit edilmiştir. Kaos analizinin ardından, BİST 100 endeksi YSA ve ANFIS modeli ile tahmin edilmiştir. En düşük hata değerine sahip modelin çıktıları getiri serisine dönüştürülerek BİST 100 getirilerinin tahmini değerleri elde edilmiştir.

 Kaos teorisi ANFIS Hurst üsteli BİST 100 endeksi YSA Tetenbaum T.J., Shifting Paradigms: From Newton to Chaos, Organizational Dynamics, 26 (4), 21-32, 1998. Göksu A., Kocamaz U.E., Uyaroğlu Y., Synchronization and Control of Chaos in Supply Chain Management, Computers & Industrial Engineering, 86, 107-115, 2015. Poincare H., Thermodynamics: First Semester Lessons, 1888- 1889, Gauthier-Villars, 1892. Ertürk A., Kaos Kuramı: Yönetim ve Eğitimdeki Yansımaları, Kastamonu Eğitim Dergisi, 20 (3), 849-868, 2012. Lorenz E. N., Deterministic Nonperiodic Flow, Journal of the Atmospheric Sciences, 20, 130–141, 1963. Fama E., Efficient Capital Markets: A Review of Theory and Empirical Work, The Journal of Finance, 25 (2), 383-417, 1969. Kocamaz U.E., Uyaroğlu Y., Çağıl G., Taşkın H., Çağıl Z., Control of Chaotic Finance System Using Artificial Neural Networks, Chaotic Modeling and Simulation, 4, 289-302, 2015. Doğan O., Uyarlamalı Sinirsel Bulanık Çıkarım Sisteminin (ANFIS) Talep Tahmini için Kullanımı ve Bir Uygulama, Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 31 (1), 257-288, 2016. Jang J.-S.R., ANFIS: Adaptive-Network-Based Fuzzy Inference System, Ieee Transactions on Systems, Man and Cybernetics, 23 (3), 665-685, 1993. Güzel F., Acar M., Avcı D., Bulanık Sinir Ağı Yapısı ile Borsa Endeks Getirisi Tahmini: Borsa İstanbul (BİST) 100 Örneği, Akademik Sosyal Araştırmalar Dergisi, 29, 452-465, 2016. Ok Y., Atak M., Akçayol M.A., Yalın Sinirsel Bulanık Bir Model ile İMKB 100 Endeksi Tahmini, Journal of the Faculty of Engineering and Architecture of Gazi University, 26 (4), 897-904, 2011. İşeri M., Çağlar H., Çağlar N., A Model Proposal for the Chaotic Structure of Istanbul Stock Exchange, Chaos, Solitons and Fractals, 36 (5), 1392-1398, 2008. Alper O. ve Eren Ö., İMKB100 Endeks Değişim Değerlerinde Lyapunov Üsteli Metoduyla Kaosun İncelenmesi, İstanbul Aydın Üniversitesi Dergisi, 30 (8), 151-174, 2016. Sülkü S.N. ve Ürkmez E., Hisse Senedi Getirilerinde Doğrusal Olmayan Dinamikler: Türkiye’den Kanıtlar, Uluslararası İktisadi ve İdari İncelemeler Dergisi,18, 473-484, 2018. Takens F., Detecting Strange Attractors in Turbulence, Lecture Notes in Mathematics, 898, 366-381, 1981. Kumar H. ve Saini S., Chaotic Characterization of Electric Load Demand Time Series & Load Forecasting by Using GA Trained Artificial Neural Network, 2016 International Conference on Signal Processing, Communication, Power and Embedded System, IEEE, Australia, 1423-1428, 2016. Fraster A.M. ve Swinney H.L., Independent Coordinates for Strange Attractors from Mutual Information, Physical Review A, 33(2), 1134-1140, 1985. Uzel S., Zaman Serisi Analizi Yöntemi Üzerine Bir Uygulama, Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 2008. Kennel B.M., Brown R., Abarbanel H.D.I, Determining Embedding Dimension for Phase-Space Reconstruction Using a Geometrical Construction, Physical Review A, 45 (6), 3403-3411, 1992. Brock W.A., Dechert W.D., Scheinkman J.A., LeBaron B., A Test for Independence based on the Correlation Dimension, Econometric Reviews, 15(3), 197–235, 1996. Dickey D.A. ve Fuller W. A., Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, Journal of the Econometric Society, 49 (4), 1057-1072, 1981. MacKinnon J.G., Numerical Distribution Functions for Unit Root and Cointegration Tests, Journal of Applied Econometrics, 11, 601-618, 1996. Bariviera A.F., The Influence of Liquidity on Informational Efficiency: The Case of the Thai Stock Market, Physica A: Statistical Mechanics and its Applications, 390 (23), 4426-4432, 2011. Kayacan E.Y. ve Anavatan A., Bitcoin Getirilerinin Kaotik Yapısının İncelenmesi, Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 5 (7), 135-142, 2018. Wolf A., Swift J.B., Swinney H.L., Vastano J.A., Determining Lyapunov Exponents from a Time Series, Physica D, 16 (3), 285-317, 1985. Yılmaz D. ve Güler N.F., Kaotik Zaman Serisinin Analizi Üzerine Bir Araştırma, Journal of the Faculty of Engineering and Architecture of Gazi University, 21 (4), 759-779, 2006. Yürük M. ve Ekşi̇ İ., Yapay Zeka Yöntemleri ile İşletmelerin Finansal Başarısızlığının Tahmin Edilmesi: Bist İmalat Sektörü Uygulaması, Mukaddime, 10 (1), 393-422, 2019. Singh G., Chauhan D.S., Chandel A., Short-Term Load Forecasting by Using Ann, Fuzzy Logic and Fuzzy Neural Network, International Journal of Engineering Research & Technology (IJERT), 6 (1), 384-389, 2017. Kocamaz U.E., Taşkın H., Uyaroğlu Y., Göksu A., Control and Synchronization of Chaotic Supply Chains Using Intelligent Approaches, Computers & Industrial Engineering, 102, 476-487, 2016. Urfalıoğlu F. ve Tanrıverdi İ., Anfis ve Regresyon Analizi ile Enflasyon Tahmini ve Karşılaştırması, Social Sciences Research Journal, 7 (3), 120-141, 2018. Kassa Y., Zhang J.H., Zheng D.H., Wei D., Short Term Wind Power Prediction Using ANFIS, 2016 IEEE International Conference on Power and Renewable Energy (ICPRE), Shanghai, 388–393, 2016. Demirel Ö., Kakilli A., Tektaş M., ANFIS ve ARMA Modelleri ile Elektrik Enerjisi Yük Tahmini, Journal of the Faculty of Engineering and Architecture of Gazi University, 25 (3), 601-610, 2010. Witt S.F. ve Witt C.A., Modeling and Forecasting Demand in Tourism, Academic Press, New York, 1992.