Görüntüleme
3.805
İndirme
86
Sesli Dinleme
14
Finansal varlık fiyatlarının geleceğinin tahmin edilmesi literatür ve uygulamada uzun zamandır ilgi çeken bir konudur. Son yıllarda, borsaya kote şirketlerin hisse senetlerinin fiyat hareketleri öngörme ve geleceğe dönük değerlerini tahmin etme hedefi için yapay zeka algoritmalarının başarılı yöntemler sundukları farklı akademik çalışmalarca ortaya konulmuştur. Belirtilen akademik çalışmaların büyük çoğunluğu yurt dışında bulunan piyasalarda yapılmıştır. Bu durumun geçerliliğini BIST 30 endeksi hisselerinde test etmek için bu çalışmada yedi farklı yapay zeka algoritması programlanmış, 30 hissenin 2014-2016 yılları günlük kapanış fiyatı verileri ile algoritmalar eğitilmiş ve bir firma için üretilen kapanış değerleri tahminleri gerçekleşen değerlerle kıyaslanmıştır. Veri seti için 02/01/2014 ve 30/12/2016 tarihleri arasında işlem yapılan 755 iş günü kullanılmıştır. Kullanılan öğrenme sürelerinin performans üzerindeki etkilerini görmek için öğrenme/tahmin oranları %80/20, %90/10, %99/1 olarak belirlenen üç farklı deney yapılmıştır. Çalışmanın sonucunda doğrusal regresyon temelli algoritmaların BIST30 hisse senedi fiyat hareket yönünü tahmin etmede, nöral ağ ve Poisson regresyonu yöntemlerinin ise kapanış fiyatı değerini tahmin etmede etkili oldukları görülmüştür.
The prediction of the future of financial asset prices has been a long-standing topic of interest in literature and practice. In recent years, various academic studies have been revealed by the successful methods of artificial intelligence algorithms for the purpose of stock companies to predict price movements and forecast their future values. The majority of the academic studies specified have been carried out in the markets located abroad. To test the validity of this situation in BIST 30 index shares, seven different artificial intelligence algorithms were programmed in this study, the algorithms were trained with the daily closing price data of the 30 shares in the years 2014-2016 and the closing values produced for a company were compared with the values that occurred. The data set has been used for 755 working days processed between 02/01/2014 and 30/12/2016. Three different experiments were conducted to see the effects of the learning times used on performance, with learning/prognosis ratio defined as 80%/20, 90%/10 and 99%/1. The study found that linear regression-based algorithms were effective in predicting the direction of the stock price movement, while the Neural Network and Poisson regression methods were effective in predicting the closing price value.
Forecasting the future of stock market prices has been an interesting topic for researchers and professionals for a long time. Lately, numerous academic papers have shown that artificial intelligence algorithms generate some successful forecasts for stock prices. Most of these referenced research papers are conducted in markets outside Turkey. To test this hypothesis in BIST 30 index companies, seven different artificial intelligence algorithms have been programmed and trained with a dataset of daily closing prices between 2014 and 2016. The dataset consists of 755 market days starting 02/01/2014 and ending 30/12/2016. Then, forecasted numbers have been compared to actual prices for one particular stock. To see the effects of amount of learning days used to performance, 3 experiments have been conducted with learning to prediction ratios of %80/20, %90/10 and %99/1. In conclusion, it is seen that linear regression-based algorithms perform well to predict the price movements while neural network and Poisson regression algorithms perform well to predict closing price values for BIST 30 stocks.
Alan : Sosyal, Beşeri ve İdari Bilimler
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
