BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ

Ali Özer; Salim Sercan Sarı; Eyyup Ensar Başakın

doi:10.17218/hititsosbil.390490

BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ

Öz

Tahminlerin finansal piyasalara uygulanmasına ilişkin kullanılan yöntemlerden bulanık mantık ve yapay sinir ağları üzerine son yıllarda artan bilimsel çalışmalar vardır. Buradan hareketle çalışmada, gelişmiş ve gelişmekte olan ülkelerde ele alınan modellerin tahmin performansını test etmek için sekiz borsa endeksinin verileri kullanılarak iki etkin modelin tahminde gösterdikleri performansları karşılaştırılmaya çalışılmıştır. Zaman serisi değerleri model oluşturma aşamasında %60 eğitim, %40 test olarak iki gruba ayrılmıştır. Sonuç olarak modellerin istatistiksel ve finansal performanslarını gösteren bazı kanıtlar elde edilerek birçok çalışmada belirtilen hisse senedi getirilerini tahmin etmek için çeşitli yapay zeka modellerini başarıyla uygulamanın umut verici sonuçlar verdiği gerçeğine ulaşılmıştır.

Anahtar Kelimeler

Hisse Senedi,Bulanık Mantık

Kaynakça

RODRIGUEZ, J. V. Perez (2005), ‘’STAR and ANN models: Forecasting performance on the Spanish “Ibex-35” stock index’’, Journal of Empirical Finance Volume 12, Issue 3, June, 490-509.
DUALIBE, C., VERLEYSEN, M. ve JESPERS, P.G. (2003), ‘’Design of Analog Fuzzy Logic Controlers in CMOS Technologie Implementation, Test and Application’’, Kluwer Academic Publishers, 227 s,USA.
SCHIERHOLT, Karsten & DAĞLI, Cihan H. (1996) ‘’Stock Market Prediction Using Different Neural Network Classification Architectures’’, Proceedings of the IEEE/IAFE Conference on Computational Intelligence for Financial Engineering, Institute of Electrical and Electronics Engineers (IEEE), Jan, 72-78.
ŞEN, Z. (2004), Mühendislikte Bulanık Mantık İle Modelleme Prensipleri.” Su Vakfı Yayınları. 191 s, Türkiye.
ABDELMOUEZ, Ghada, HASHEM Sherif R., ATIYA, Amir F. & El-GMALA Mohamed A. (2007), ‘’Neural Network vs. Linear Models for Stock Market Sectors Forecasting’’, Proceedings of International Joint Conference on Neural Networks, Orlando, Florida, USA, August 12- 17, 1-5.
TAKAGI, T., & SUGENO, M. (1985), ‘’Fuzzy identification of systems and its application to modeling and control’’, IEEE Trans. Syst. Man Cybern., 15, 116–132.
THAWORNWONG, Suraphan , ENKE, David (2003), ‘’Forecasting Stock Returns with Artificial Neural Networks’’, Neural Networks in Business Forecasting,47- 79.
YANG, K., WI, M. & LIN, J. (2012), ‘’The Application of Fuzzy Neural Network in Stock Price Forecasting Basad on Genetic Algorithm Discovering Fuzzy Rule’’, 8th International Conference on Natural Computation, ss. 470-474.

YARAR, Aalpaslan (2010), Susurluk Havzası Yağış Akış Verilerinin Modellenmesi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Anabilim Dalı, Doktora Tezi.
ZADEH, L. A. (1965). Fuzzy Sets. Information and Control, 8: 338-353.
LEE, Kyungjoo, YOO Sehwan & JIN Jongdae J. (2007), ‘’Neural Network Model vs. SARIMA Model In Forecasting Korean Stock Price Index (KOSPI)’’, Issues in Information Systems, Volume VIII, No. 2, 372-378.
ZHORA, D. V. (2005), ‘’Data Preprocessing for Stock Market Forecasting using RandomSubspace Classifier Network’’, Proceedings of International Joint Conference on Neural Networks, Montreal, Canada, July 31 – August 4, 2549-2554.
ZORIN, A. & BORISOV, A. (2012). Modelling Riga Stock Exchange İndex Using Neural Networks.
EGELİ, B., ÖZTURAN M. & BERTAN B. (2003). Stock Market Prediction Using Artificial Neural Networks.
ALTAN Şenol, (2008), ‘’Döviz Kuru Öngörü Performansı için Alternatif Bir Yaklaşım: Yapay Sinir Ağı’’, Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10 / 2, 141-160.ALTAY, Erdinç & SATMAN M. Hakan (2005), ‘’Stock Market Forecasting: Artifical Neural Network and Linear Regression Comparison in an Emerging Market’’, Journal of Financial Management and Analysis, 18(2), 18-33.
ATIYA, A., TALAAT, N. & SHAHEEN, S. (1997), ‘’An Efficient Stock Market Forecasting Model Using Neural Networks’’, Proceedings of International Conference on Neural Networks, Vol. 4, Houston, 9-12 June, 2112-2115.
AVCI, Emin (2007), ‘’Forecasting Daily and Sessional Returns of the ISE-100 İndex with Neural Network Models’’, Doğuş Üniversitesi Dergisi, 8 (2), 128-142.
BENGOECHEA, A. Glaria, URETA, C. Ordonez, SAAVEDRA, M. Marchant & MEDİNA, N. Opazo (1996), ‘’Stock Market indeces in Santiago de Chile: forecasting using neural networks’’, Neural Networks, IEEE International Conference on, Volume: 4.
BOYACIOĞLU, Melek A., AVCI, Derya (2010). ‘’An Adaptive Network-Based Fuzzy Inference System (ANFIS) for the prediction of stock market return: The case of the Istanbul Stock Exchang’’, Expert Systems with Applications 37 :7908– 7912.
CHUNG, C. M., CHEONG, W. C. & CHUNG L. C. (2000), ‘’Financial Time Series Forecasting by Neural Network Using Conjugate Gradient Learning Algorithm andMultiple Linear Regression Weight Initialization’’, Computing in Economics and Finance 2000, Society for Computational Economics, no 61.
DEMİRPENÇE, H. K. (2005). ‘’Akımlarının Yapay Sinir Ağları ile Tahmin’’. Antalya Yöresinin İnşaat Mühendisliği Sorunları Kongresi, Antalya.
ADEBIYI, A.A.& AYO, C.K. (2011), ‘’Fuzzy-neural model with hybrid market indicators for stock forecasting’’, Int. J. Electronic Finance, Vol. 5, No. 3.
GURESEN, Erkam, KAYAKUTLU, Gulgun & DAİM, Tuğrul U. (2011), ‘’Using artificial neural network models in stock market index prediction’’, Expert Systems with Applications Volume 38, Issue 8, August, Pages 10389-10397.
HILL, Tim, MARQUEZ, Leorey, CONNOR, M. O’ Connor & REMUS William (1993). Artificial Neural Network Models for Forecasting and Decision Making. International Journal of Forecasting, 10, 5-15.
JANDAGHI, Gholamreza, TEHRANI, Reza, HOSSINPOUR, Davoud, GHOLIPOUR, Rahmatollah & SHADKAM, Seyer Amir Shahidi (2010), ‘’Application of Fuzzy- neural networks in multi-ahead forecast of stock price’’, African Journal of Business Management Vol. 4(6), pp. 903-914, June.
KARA, Yakup, BOYACIOĞLU, Acar, M. & BAYKAN, Ömer Kaan (2011), ’’ Predicting direction of stock price index movement using artificial neural networks and support vector machines: The sample of the Istanbul Stock Exchange’’, Expert Systems with Applications, 38, 5311–5319.
KARAATLI, Meltem, GÜNGÖR, İbrahim, DEMİR, Yusuf & KALAYCI Şeref. (2005), ‘’Hisse Senedi Fiyat Hareketlerinin Yapay Sinir Ağları Yöntemi ile Tahmin Edilmesi’’, Yönetim ve Ekonomi Araştırmaları Dergisi, Sayı:3, 22-48.
KILIÇ, Süleyman B., PAKSOY Semih & GENÇ, Tolga (2014), ‘’Forecasting the Direction of BIST 100 Returns with Artificial Neural Network Models’’, International Journal of Latest Trends in Finance & Economic Sciences, Vol‐4 No. 3 September, 2014, 759-765.
KIM, K., OH K. J. & HAN, I. (2000). Neural Network Forecasting of Stock Price Index to Integrate Change- Point Detection with Genetic Algorithms. KUTLU, Birgül & BADUR, Bertan (2009), ‘’Yapay Sinir Ağları ile Borsa Endeksi Tahmini’’, Yönetim Yıl:20, Sayı: 63, Haziran, 25-40.
LI Rong J. & XIONG Zhi B. (2005), ‘’Forecasting Stock Market with Fuzzy Neural Networks’’, Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, 18-21 August, 3475-3479.
LIU, Qiong, LU, Xin, REN F. & KUROİWA S. (2004), ‘’Automatic Estimation of Stock Market Forecasting and Generating the Corresponding Natural Language Expression’’, Proceedings of the International Conference on Information Technology: Coding and Computing (ITCC’04), 1-5.
MAMDANI, E. H. (1974), ‘2Application of fuzzy algorithms for simple dynamic plant’’, Proc. IEEE, 121(12), 1585–1588.
MACIELL, L., GOMIDE, F. & ROSANGELA B. (2012), ‘’Evolving Fuzzy Modeling for Stock Market Forecasting’’, IPMU 2012, Part IV, CCIS 300, pp. 20–29.
PAVLIDIS, N. G., PLAGIANAKOS, V. P., TASOULIS, D.K. & VRAHATIS M. N. (2003), ‘’Financial Forecasting through Unsupervised Clustering and Neural Networks’’, Operational Research, May, Volume 6, Issue 2, 103–127.
PHUA, P. K. H., ZHU, X. & KOH, C. H. (2003), ‘’Forecasting Stock Index Increments Using Neural Networks with Trust Region Methods’’, Neural Networks, 2003. Proceedings of the International Joint Conference on, Volume: 1, 260-265.
RAST, M. (1999), ‘’Forecasting with Fuzzy Neural Networks: A Case Study in Stock Market Crash Situations. Fuzzy Information Processing Society’’, NAFIPS. 18th International Conference of the North American, 418-420.

Ayrıntılar

Birincil Dil

Türkçe

Konular

-

Bölüm

Araştırma Makalesi

Yazarlar

Ali Özer ^* Bu kişi benim
Erzincan Üniversitesi
Türkiye

Salim Sercan Sarı ^* Bu kişi benim
erzincan üniversitesi
Türkiye

Eyyup Ensar Başakın
istanbul teknik üniversitesi
Türkiye

Yayımlanma Tarihi

21 Temmuz 2018

Gönderilme Tarihi

5 Şubat 2018

Kabul Tarihi

9 Mayıs 2018

Yayımlandığı Sayı

Yıl 2018 Cilt: 11 Sayı: 1

DOI

https://doi.org/10.17218/hititsosbil.390490

IZ

https://izlik.org/JA49YF25BP

Kaynak Göster

RIS / Bibtex

APA

Özer, A., Sarı, S. S., & Başakın, E. E. (2018). BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(1), 99-124. https://doi.org/10.17218/hititsosbil.390490

AMA

1.Özer A, Sarı SS, Başakın EE. BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ. hititsosbil. 2018;11(1):99-124. doi:10.17218/hititsosbil.390490

Chicago

Özer, Ali, Salim Sercan Sarı, ve Eyyup Ensar Başakın. 2018. “BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ”. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 11 (1): 99-124. https://doi.org/10.17218/hititsosbil.390490.

EndNote

Özer A, Sarı SS, Başakın EE (01 Haziran 2018) BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 11 1 99–124.

IEEE

[1]A. Özer, S. S. Sarı, ve E. E. Başakın, “BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ”, hititsosbil, c. 11, sy 1, ss. 99–124, Haz. 2018, doi: 10.17218/hititsosbil.390490.

ISNAD

Özer, Ali - Sarı, Salim Sercan - Başakın, Eyyup Ensar. “BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ”. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 11/1 (01 Haziran 2018): 99-124. https://doi.org/10.17218/hititsosbil.390490.

JAMA

1.Özer A, Sarı SS, Başakın EE. BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ. hititsosbil. 2018;11:99–124.

MLA

Özer, Ali, vd. “BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ”. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, c. 11, sy 1, Haziran 2018, ss. 99-124, doi:10.17218/hititsosbil.390490.

Vancouver

1.Ali Özer, Salim Sercan Sarı, Eyyup Ensar Başakın. BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ. hititsosbil. 01 Haziran 2018;11(1):99-124. doi:10.17218/hititsosbil.390490

Cited By

BİST 100 ENDEKSİNİN YAPAY SİNİR AĞLARI ve ARMA MODELİ İLE TAHMİNİ

Muhasebe ve Finans İncelemeleri Dergisi

https://doi.org/10.32951/mufider.725722

BIST-100 Endeks Hareketlerinin BRICS Endeksleri Aracılığıyla Tahmin Edilmesi: Yapay Sinir Ağları Uygulaması

Abant Sosyal Bilimler Dergisi

https://doi.org/10.11616/asbi.1096346

Yapay Sinir Ağı Modeli ile BİST'e Kote 10 Bankanın Covid-19 Dönemindeki Finansal Verilerinin Tahminlenme Başarısı Üzerine Bir Araştırma

The Journal of International Scientific Researches

https://doi.org/10.23834/isrjournal.1209001

BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ

BULANIK MANTIK VE YAPAY SİNİR AĞLARI İLE BORSA ENDEKS TAHMİNİ: GELİŞMİŞ VE GELİŞMEKTE OLAN ÜLKELER ÖRNEĞİ

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Cited By

BİST 100 ENDEKSİNİN YAPAY SİNİR AĞLARI ve ARMA MODELİ İLE TAHMİNİ

BIST-100 Endeks Hareketlerinin BRICS Endeksleri Aracılığıyla Tahmin Edilmesi: Yapay Sinir Ağları Uygulaması

Yapay Sinir Ağı Modeli ile BİST'e Kote 10 Bankanın Covid-19 Dönemindeki Finansal Verilerinin Tahminlenme Başarısı Üzerine Bir Araştırma

Hibrit Regresyon Modelleri İle BİST’e Etki Eden G20 Endekslerinin Belirlenmesi

BIST-Teknoloji Endeksinde İşlem Gören Firmaların Nakit Akışlarının Yapay Sinir Ağları ile Tahminlenmesi

Blockchain Destekli Nesnelerin İnterneti (IoT) Varlıklarında Fiyat Tahmini İçin Model Karşılaştırması