Citation Number
15
Views
145
Downloands
41
Audio Listening
2
Bu çalışma BIST 100 borsa endeksinin negatif ve pozitif yönlü hareketlerinin tahmin edilmesini konu edinmektedir. Yapay sinir ağı, destek vektör makinesi ve naive Bayes algoritmasının tahmin performansları karşılaştırılmaktadır. Analizler iki aşamalı olarak yapılmaktadır. Birinci aşamada tahmin modellerinde girdi olarak kullanılacak dokuz adet teknik gösterge, borsa endeksi açılış, kapanış, en yüksek ve en düşük fiyatlar, kullanılarak hesaplanmakta ve sürekli olan bu teknik göstergeler barındırdıkları trende göre kategorize edilerek yeni bir veri seti oluşturulmaktadır. İkinci aşamada ise, trend belirleyici veri seti girdi olarak kullanılmakta ve seçilen üç makine öğrenme algoritması kullanılarak tahminler yapılmaktadır. BIST 100 veri seti 2009-2018 Aralığını kapsayan günlük kapanış fiyatlarını içermektedir. Analizlerle, destek vektör makineleri algoritmasının en iyi sınıflandırıcı olduğu sonucuna ulaşılmıştır. Ayrıca, daha önceki benzer çalışmalarla karşılaştırmalar yapılarak gerek kullanılan veri seti gerekse tahmin modellerinin etkileri tartışılmaktadır.
This study focuses on predicting the negative and positive movements of the BIST 100 stock exchange index. The estimated performance of the artificial nerve network, the support vector machine and the naive Bayes algorithm is compared. The analysis is conducted in two stages. In the first phase, nine technical indicators to be used as input in the forecast models, stock exchange index opening, closing, high retail prices, are calculated using and these technical indicators are constantly categorized according to the train they host, a new set of data is created. In the second stage, the trend-defining data set is used as a input and predictions are made using the three machine learning algorithms selected. The BIST 100 data set includes daily closing prices covering the 2009-2018 interval. Through analysis, it has been found that the algorithm of support vector machines is classifiable. Furthermore, the effects of predictive models are discussed if the data set used is needed to be compared with previous similar studies.
This study focuses on the estimation of negative and positive movements of BIST 100 stock index. The predictive performances of artificial neural network, support vector machine and naive Bayes algorithm are compared. The analyzes are carried out in two stages. In the first stage, nine technical indicators to be used as input in the estimation models are calculated by using the stock index, opening, closing, highest and lowest prices. In the second stage, the trend-setting dataset is used as input and the predictions are made by using three selected machine-learning algorithms. The BIST 100 data set includes the daily closing prices covering the range of 2009-2018. With the analysis, it is concluded that the support vector machines algorithm is the best classifier. In addition, comparisons with previous similar studies and the effects of both the data set used and the prediction models are discussed.
Field : Sosyal, Beşeri ve İdari Bilimler
Journal Type : Uluslararası
Article Detail 
Citation Owners
Similar Articles
Download PDF
Journal Information
Listen Paper
Print This Page
Share
Mendeley
