Atıf Sayısı
2
Görüntüleme
37
İndirme
4
Borsa İstanbul 100 (BIST-100) endeksi, diğer büyük dünya endeksleri ile birlikte finans piyasalarının küreselleşme değişiminin bir parçası olmuştur. Endeksler arasındaki ilişkinin analizi yatırımcılara büyük avantajlar sağlayacaktır. Bu durumdan yola çıkarak çeşitli makine öğrenmesi algoritmaları ile büyük dünya endeksleri ve bazı makroekonomik göstergeler kullanılarak BIST-100 endeksinin değişim yönünün (artış-azalış) sınıflandırılması amaçlanmıştır. Bu amaç doğrultusunda BIST-100 endeksinin değişim yönünün sınıflandırmasında etkin rol oynayan değişkenler belirlenmiş ve belirlenen bu değişkenler yardımıyla sınıflandırma başarılarında değişim olup olmadığı incelenmiştir. Tüm değişkenler ile yapılan sınıflandırmada lojistik regresyonun %70,6 öznitelik seçimi ile yapılan sınıflandırmada da Destek Vektör Makinesi PUK çekirdeği algoritmasının %71,9 daha doğru sınıflandırma başarısı gösterdiği belirlenmiştir. Böylelikle daha az sayıda değişken ile daha yüksek sınıflandırma başarısı elde edilmiştir.
The Stock Exchange Istanbul 100 (BIST-100) index has become part of the globalization of the financial markets along with other major world indicators. Analysis of the relationship between the indicators will provide investors with great advantages. Starting from this situation, various machine learning algorithms and using major world indicators and some macroeconomic indicators are aimed at classifying the shift direction of the BIST-100 index (growth-down). For this purpose, the variables that play an effective role in the classification of the change direction of the BIST-100 index have been identified and with the help of these determined variables have been examined whether there are changes in the classification success. In all the variables, logistics regression was 70.6%, and in the classification with the selection of specificities, the support Vector Machine PUK core algorithm was 71.9%, which showed more accurate classification success. Thus, a higher classification success was achieved with a fewer number of variables.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Ulusal
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
