Kira Sertifikası Fiyat Değerlerinin Makine Öğrenmesi Metodu ile Tahmini

Öz

Alternatif bir finansman aracı olarak kabul edilen ve İslami kriterlere uygun bir menkul kıymet olan sukuk, menkul kıymetleştirme alanında gittikçe daha popüler hale gelen bir yatırım aracı olarak dikkat çekmektedir. İslami bankacılık ile uyumlu olan sukuk, hükümetler ve şirketler tarafından ihraç edilen tahvil benzeri araçlardır. Bu çalışma, ülkemizde sukuk ihraç eden Vakıf Portföy şirketi kira sertifikası fiyatları üzerinde yapılmış ve günlük fiyat verileri K-En Yakın Komşuluk (KNN) algoritması kullanılarak modellenmiştir. Oluşturulan modeller yardımıyla gelecekteki kira sertifikası fiyatları tahmin edilmeye çalışılmıştır. Oluşturulan modellerde verilerin 143 adeti eğitim için kullanılmış, 95 adeti ise test için kullanılmıştır. İstatistiksel olarak modellerin başarısı ölçülmüş olup, 1, 3 ve 5 gün ilerisi için yapılan fiyat tahminleri oldukça başarılı sonuçlar vermiştir. Ayrıca çalışma, sukuk alanında makine öğrenmesi metotlarının kullanımını içermesi bakımından öncü olma özelliği taşımaktadır.

Anahtar Kelimeler

• Kira Sertifikası
• Sukuk
• Makine Öğrenmesi
• K- En Yakın Komşuluk

Estimation of Lease Certificate Price Evaluation Through Machine Learning Method

Öz

Sukuk, considered as an alternative financial model and operating in the Islamic framework, draws attention as an investment instrument becoming popular in the securitization field. Sukuk, which is compatible with Islamic banking, is a bond-like instrument exported by governments and companies. In this study on the lease certificate prices of Vakıf Portföy that exported sukuk in our country, daily price data is modeled by using KNearest Neighbor (KNN) algorithm. With the help of the created models, the prices of future lease certificates were tried to be estimated. In the created models, 143 of the data were used for training and 95 were used for the test. The success of the models was measured statistically and the price estimates made for 1, 3 and 5 days were very successful. In addition, the study is a pioneer in the use of machine learning methods in the sukuk area.

Anahtar Kelimeler

• Lease Certificate
• Sukuk
• Machine Learning
• KNearest Neighbor

Kaynakça

1. Akküçük, Ulaş (2011), Veri madenciliği kümeleme ve sınıflama algoritmaları, Yalın Yayıncılık, İstanbul.
2. Aloui, C., Hammoudeh, S. ve Hamida, H. B., (2015), ‘’Price Discovery and Regime Shift Behavior in The Relationship Between Sharia Stocks and Sukuk: A Two-State Markov Switching Analysis’’, Pacific-Basin Finance Journal 34: 121-135.
3. Filiz, E., Karaboğa, A. H. ve Akoğul, S., (2017), ‘’Bıst-50 Endeksi Değişim Değerlerinin Sınıflandırılmasında Makine Öğrenmesi Yöntemleri ve Yapay Sinir Ağları Kullanımı’’, Ç.Ü. Sosyal Bilimler Enstitüsü Dergisi, 26(1):231-241.
4. İlarslan, Kenan, (2016), ‘’K-En Yakın Komşu (k-NN) Algoritması ile Hisse Senedi Fiyatlarının Tahmin Edilmesi: BİST’ den Örnek Bir Uygulama’’, Asos Journal, 4(30):375-392.
5. Kartiwi, M., Gunawan, T. S., Arundina, T. ve Omar, M. A., (2018), ‘’Decision Tree Optimization for Sukuk Rating Prediction’’, Journal of Fundamental and Applied Sciences, 10(2s): 323-332.
6. Mahomed, Z., Mohamad, S. ve Ariff, M., (2017), ‘’Announcement Effects of Sukuk ın Saudi Arabia: The Impact on The Mıddle Eastern Islamic Economic System’’, Batusangkar International Conference 11, October 14-15: 39-60.
7. Safari, M., Ariff, M., Mohamad, S., Sukuk Securities, (2014), John Wiley & Sons Singapore Pte. Ltd. 1 Fusionopolis Walk, ^07-01, Solaris South Tower, Singapore 138628.
8. Smaoui, H. ve Nechi, S., (2017) ‘’Does Sukuk Market Development Spur Economic Growth?’’, Research in International Business and Finance 41: 136-147.

9. Usmani, M. M. T., An Introduction to Islamic Finance, https://creativecommons.org/licenses/by/3.0/.
10. Zulkhibri, M., (2015), A Synthesis of Theoretical and Emprical Research on Sukuk, Borsa İstanbul Review, 15-4: 237-248.
11. https://ifresource.com/2010/04/27/how-sukuk-works-introduction-structuring-and-application-of-sukuk-bonds/ (Erişim Tarihi:24.02.2018).
12. http://www.tefas.gov.tr/TarihselVeriler.aspx (Erişim Tarihi: 25.10.2017).