Yapay sinir ağları ile borsa endeksi tahmini

Günümüzde yapay sinir ağları popüler olarak borsa endeks tahmini, iflas tahmini ya da sirket bono sınıflaması gibi bir çok finans problemine uygulanmaktadır. Çalısmalar, hisse senedi endeks değeri tahmini üzerinde olduğu kadar günlük endeks değisim yönü üzerinde de durmaktadır. Bazı uygulamalarda yapay sinir ağlarının veri kalıplarını öğrenmede kısıtlamaları olduğu belirtilmektedir. Yapay sinir ağları seçkin öğrenme yeteneğini sunmakla birlikte karmasık finansal veri nedeni ile tutarlı olmayan ve tahmin edilemeyen bir performans gösterebilmektedir. Buna ek olarak veri bazen o kadar hacimli olmaktadır ki öğrenme kalıpları çalısmayabilmektedir. Sürekli veri ve büyük çaptaki kayıtların varlığı nedeni ile gereksiz özelliklerin ayıklanması ve verinin boyutlarının azaltılması algoritmanın islem süresini kısaltmakta ve daha genellenebilir sonuçlar verebilmektedir. Türkiye'deki yapay sinir ağları çalısmaları genelde finansal basarısızlık ve iflasların tahmini için kullanılmıstır. Yurtdısında borsa endeksi tahmini konusunda çalısmalar olduğu halde Türkiye'de bu tip çalısmaların eksikliği görülmektedir. Bu makaleye konu olan çalısma ile amaçlanan ileri beslemeli yapay sinir ağları yaklasımı ile İMKB endeksinin tahmin edilebileceğinin gösterilmesidir. Türkiye Cumhuriyet Merkez Bankası ve diğer borsaların İnternet sitelerinden elde edilen 2 Temmuz 2001 ile 13 Temmuz 2006 tarihleri arasındaki veriler kullanılarak yapılan testler sonucunda İMKB endeks değerinin ileri beslemeli yapay sinir ağları ile de basarılı bir sekilde modellenebileceği görülmüstür.

Yapay Sinir Ağları ,

Borsa Endeksi Tahmini ,

Türkiye ,

Currently, artificial neural networks are applied to many finance problems such as stock market index prediction, bankruptcy prediction or bond classification. Studies were performed for the prediction of stock index values as well as daily direction of change in the index. In some applications it has been specified that artificial neural networks have limitations for learning the data patterns or that they may perform inconsistently and unpredictable because of the complex financial data used. Continuous data and large scale of records require the removal of unnecessary properties which decreases the data volume, algorithm runtime and help to achieve more general results. In Turkey artificial neural networks are mostly used in predicting financial failures. There has been no specific research for prediction of Turkish stock market values. The aim of this paper is to use artificial neural networks to predict Istanbul Stock Exchange (ISE) market index value. The tests are performed using the data gathered for the period of July 2, 2001 through July 13, 2006 from the websites of Central Bank of Republic of Turkey and foreign stock markets. The results have shown that feed forward artificial neural networks can also be used to model ISE market index value successfully.

Artificial Neural Networks, ,

Stock Market Index Prediction, ,

Turkey ,