SavedAdd your journal

Journals / Sosyoekonomi / 2026 / Cilt: 33 Sayı: 63

Identifying Common Stock Comovements in the XAKUR Index Using Association Rules

XAKUR Endeksinde Yer Alan Hisselerin Ortak Hareketlerinin Birliktelik Kural Analizi ile Belirlenmesi

Gizel Busem Sayıl(AVRASYA ÜNİVERSİTESİ, İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ, İŞLETME BÖLÜMÜ)0000-0002-8828-978X
Emrah Korhan0000-0001-7685-756X
Pages
365–385
Publication Date
2025-01-31
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Daily data from January 2018 to June 2023 found that brokerage house stocks do not move together with each other and with XHARZ, while CPI has a tight upward relationship with different variables.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:With the public offerings of many companies, there has been a significant increase in the number of new investors joining the stock exchange.
📊
Key Findings & Data:This study aims to determine whether the companies in the BIST brokerage firms index (XAKUR) move together with the IPO index (XHARZ), Borsa Istanbul 100 Index (BIST100), Volatility Index (VIX) and different macroeconomic variables with association rule analysis.
💡
Conclusion & Impact:Daily data from January 2018 to June 2023 found that brokerage house stocks do not move together with each other and with XHARZ, while CPI has a tight upward relationship with different variables.
🔬Design:Araştırma Makalesi
📍Scope:2018 Verileri
⚙️Variables:Birliktelik Kural Analizi · Aracı Kurumlar · Portföy Yönetimi

Abstract

With the public offerings of many companies, there has been a significant increase in the number of new investors joining the stock exchange. In this process, the limits of the impact of brokerage houses on the markets have expanded. This study aims to determine whether the companies in the BIST brokerage firms index (XAKUR) move together with the IPO index (XHARZ), Borsa Istanbul 100 Index (BIST100), Volatility Index (VIX) and different macroeconomic variables with association rule analysis. Daily data from January 2018 to June 2023 found that brokerage house stocks do not move together with each other and with XHARZ, while CPI has a tight upward relationship with different variables.

Özet

Çok sayıda şirketin halka arz olmasıyla, borsaya katılan yeni yatırımcı sayısında önemli bir artış olmuştur. Bu süreçte aracı kurumların, piyasalara olan etkisinin sınırları genişlemiştir. Bu çalışmada, birliktelik kural analizi ile BIST aracı kurumlar endeksinde (XAKUR) yer alan şirketlerin, birbirleriyle, halka arz endeksi (XHARZ), Borsa İstanbul 100 Endeksi (BIST100), Volatilite Endeksi (VIX) ve farklı makroekonomik değişkenler ile birlikte hareket edip etmediğinin tespiti amaçlanmıştır. 2018 Ocak-2023 Haziran tarihlerinde günlük verilerin kullanıldığı çalışmada birliktelik kural analizinden faydalanılmıştır. Sonuç olarak, aracı kurum hisselerinin hem birbirleri ile hem de XHARZ ile birlikte hareket etmediği görülürken, TÜFE’nin diğer değişkenlerle yukarı yönde sıkı bir ilişkisinin olduğu tespitine varılmıştır.

🔖

Cite This Article

Sayıl, G. B., Korhan, E. (2025). Identifying Common Stock Comovements in the XAKUR Index Using Association Rules. Sosyoekonomi, Cilt: 33 Sayı: 63, 365–385. https://doi.org/10.17233/sosyoekonomi.2025.01.17

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (62)

  1. Agrawal, R. (1981), “Exchange Rates and Stock Prices: A Study of U.S.Capital Market Under Flaoting Exchange Rates”, Akron Business and Economic Review, 12, 7-12.
  2. Agrawal, R. et al. (1993), “Mining association rules between sets of items in large databases”, Acm Sigmod Record, 22(2), 207-216.
  3. Aktaş, M. & S. Akdağ (2013), “Türkiye’de Ekonomik Faktörlerin Hisse Senedi Fiyatları ile İlişkilerinin Araştırılması”, International Journal of Social Science Research, 2(1), 50-67.
  4. Albayrak, A.S. & S.K. Yılmaz (2009), “Veri Madenciliği: Karar Ağacı Algoritmaları ve İMKB Verileri Üzerine Bir Uygulama”, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi, 14(1), 31-52.
  5. Albeni, M. & Y. Demir (2005), “Makroekonomik Göstergelerin Mali Sektör Hisse Senedi Fiyatlarına Etkisi (İMKB Uygulamalı)”, Muğla Üniversitesi SBE Dergisi, 14, 1-18.
  6. Altaee, H.H.A. & M.K. Al-Jafari (2015), “Financial Development, Trade Openness and Economic Growth: A Trilateral Analysis of Bahrain”, International Journal of Economics and Finance, 7(1), 241-254.
  7. Arafah, A.A. & I. Mukhlash (2015), “The Application of Fuzzy Association Rule on Comovement Analyze of Indonesian Stock Price”, Procedia Computer Science, 59, 235-243.
  8. Argiddi, R.V. & S.S. Apte (2012), “Future trend prediction of Indian IT stock market using association rule mining of transaction data”, International Journal of Computer Applications, 39(10), 30-34.
  9. Aydın, Z.B. & E. Gündoğdu (2024), “Borsa İstanbul endekslerinin dolar, euro, altın ve brent petrol değişkenleriyle birliktelik analizi”, International Journal of Social Inquiry, 17(1), 105-118.
  10. Baralis, E. et al. (2017), “Planning stock portfolios by means of weighted frequent itemsets”, Expert Systems with Applications, 86, 1-17.
  11. Beck, T. & R. Levine (2004), “Stock Markets, Banks, and Growth: Panel Evidence”, Journal of Banking and Finance, (28), 423-442.
  12. Chen, M.S. et al. (1996), “Data mining: an overview from a database perspective”, IEEE Transactions on Knowledge and Data Engineering, 8(6), 866-883.
  13. Demirgüç, A. & V. Maksimoviç (1998), “Law, Finance, and Firm Growth”, The Journal of Finance, 53(6), 2107-2137.
  14. Durdu, M. (2012), “Application of Data Mining in Customer Relationship Management Market Basket Analysis in an Retailer Store”, MSc Thesis, İzmir: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü.
  15. Durmuş, S. vd. (2019), “Makro Ekonomik Göstergelerin Endeks Getirileri Üzerindeki Etkisi: BİST Örneği”, Avrasya Uluslararası Araştırmalar Dergisi, 7(16), 870-886.
  16. Eren, B.S. (2024), “Emtia Piyasalarının Birlikte Hareketlerinin Veri Madenciliği ile İncelenmesi”, Ekonomi Politika ve Finans Araştırmaları Dergisi, 9(1), 183-212.
  17. Ergin-Ünal, A. vd. (2022), “Seçilmiş Makroekonomik Değişkenler ve Beklenti Endekslerinin BİST 100 Endeksi Üzerine Etkisi”, Sosyoekonomi, 30(54), 443-466.
  18. Eyüboğlu, S. & K. Eyüboğlu (2018), “Enflasyon Oranı ile Borsa İstanbul Sektör Endeks Getirileri Arasındaki İlişkinin İncelenmesi”, Anadolu Üniversitesi Sosyal Bilimler Dergisi, 18(4), 89-100.
  19. Gay, R.D.J. (2008), “Effect of Macroeconomic Variables on Stock Returns for Four Emerging Economies: Brazil, Russia, India and China”, International Business &Economics Research Journal, 7(3), 1-8.
  20. Gemici, B. (2012), “Veri Madenciliği ve Bir Uygulaması”, Yüksek Lisans Tezi, İzmir: Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü.
  21. Gençtürk, M. (2009), “Finansal kriz dönemlerinde makroekonomik faktörlerin hisse senedi fiyatlarına etkisi”, Süleyman Demirel University Journal of Faculty of Economics ve Administrative Sciences, 14(1), 127-136.
  22. Giot, P. (2005), “Relationships Between Implied Volatility Indexes and Stock Index Returns”, The Journal of Portfolio Management, 31(3), 92-100.
  23. Han, J. & M. Kamber (2006), Data Mining Concepts and Techniques, 2nd Ed. Morgan Kaufmann Publishers, San Francisco, USA.
  24. Hand, D.J. (2000), “Data Mining: New Challenges for Statisticians”, Social Science Computer Review, 18(4), 442-449.
  25. Hariharan, K.N. (2018), “Applications of Data Mining in Finance”, International Journal of Innovations in Engineering Research and Technology (IJIERT), 5(2), 72-77.
  26. İnce, A.R. & M.A. Alan (2022), “A Study on the Use of Data Mining in the Planning of Investment Field”, Ekonomi Politika ve Finans Araştırmaları Dergisi, 7(1), 1-15.
  27. Kar, M. & E. Pentecost (2000), “Financial Development and Economic Growth in Turkey: Further Evidence On The Causality Issue”, Economic Research Paper, No: 00/27, Loughborough University, Department of Economics.
  28. Karaatlı, M. vd. (2021), “BIST-30 Endeksinde Yer Alan Payların Ortak Hareketlerinin Veri Madenciliği Kapsamında Birliktelik Kuralı ile İncelenmesi”, Finansal Araştırmalar ve Çalışmalar Dergisi, 13(25), 548-571.
  29. Karamustafa, O. & A. Karakaya (2004), “Enflasyonun Borsa Performansı Üzerindeki Etkisi”, Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (7), 23-35.
  30. Karpio, K. & P. Lukasiewicz (2018), “Pattern Recognition in Financial Data Using Association Rule”, in: L. Chmielewski et al. (eds.), Computer Vision and Graphics ICCVG 2018, Lecture Notes in Computer Science, 11114, Springer, Cham.
  31. Karpio, K. et al. (2013), “Mining Associations on the Warsaw Stock Exchange”, Acta Physica Polonica A, 123, 553-559.
  32. Kendirli, S. & M. Çankaya (2016), “Döviz Kuru ve Enflasyonun BİST Banka Endeksi Üzerindeki Etkisi”, MANAS Sosyal Araştırmalar Dergisi, 5(3), 215-227.
  33. Kindleberger, C.P. & R.Z. Aliber (2017), Çılgınlık, Panik ve Çöküş Finansal Krizler Tarihi, (Çev. Ü. Şensoy), 3. Baskı, Türkiye İş Bankası Kültür Yayınları.
  34. King, R.G. & R. Levine (1993), “Finance and Growth: Schumpeter Might Be Right”, Economic Journal, 107, 771-737.
  35. Korkmaz, T. & Ç.E. İsmail (2009), “Zımni Volatilite Endeksinden Gelişmekte Olan Piyasalara Yönelik Volatilite Yayılma Etkisi”, BDDK Bankacılık ve Finansal Piyasalar Dergisi, 3(2), 87-106.
  36. Koyuncu, T. (2018), “BİST 100 Endeksinin Makroekonomik Değişkenler ile İlişkisi: Ampirik Bir Çalışma”, Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 3(3), 615-624.
  37. Lagapriya, S. & P. Balasubramanian (2015), “Study on Inter Sector Association Rules in National Stock Exchange, India”, International Conference on Advances in Computing, Communications and Informatics (ICACCI), 859-865.
  38. Lai, C.P. & J.R. Lu (2019), “Evaluating the efficiency of currency portfolios constructed by the mining association rules”, Asia Pacific Management Review, 24(1), 11-20.
  39. Levine, R. (1997), “Financial Development and Economic Growth: Views and Agenda”, Journal of Economic Literature, 35, 688-726.
  40. Liao, S.H. & S.Y. Chou (2013), “Data mining investigation of co-movements on the Taiwan and China stock markets for future investment portfolio”, Expert Systems with Applications, 40(5), 1542-1554.
  41. Memiş, E. & H. Kaya (2019), “Association Rule Mining on the BIST100 Stock Exchange”, 3rd International Symposium on Multidisciplinary Studies and Innovative Technologies, ISMSIT, Proceedings, 1-7.
  42. Müslümov, A. & G. Aras (2002), “Sermaye Piyasası Gelişmesi ve Ekonomik Büyüme Arasında Nedensellik İlişkisi: OECD Ülkeleri Örneği”, İktisat İşletme ve Finans, 17(198), 90-100.
  43. Öndeş, T. & M. Levent (2020), “Makroekonomik Faktörlerin Hisse Senedi Getirileri Üzerindeki Etkisi: BIST’de Yer Alan Bankalar Üzerine Bir Uygulama”, Muhasebe ve Finansman Dergisi, (88), 155-174.
  44. Özatay, F. (2009), Finansal Krizler ve Türkiye, 3. Baskı, Doğan Kitap, İstanbul.
  45. Özer, A. vd. (2011), “Hisse Senedi Fiyatları ile Makroekonomik Değişkenlerin Etkileşimi”, Dokuz Eylül Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, 26(1), 163-182.
  46. Poyraz, P.E. & A.Y. Tepeli (2015), “Seçilmiş Makro Ekonomik Göstergelerin Borsa İstanbul XU100 Endeksi Üzerindeki Etkisinin Analizi”, Paradoks Ekonomi Sosyoloji ve Politika Dergisi, 11(2), 102-128.
  47. Sadeghzadeh, K. & B. Elmas (2018), “Makroekonomik Faktörlerin Hisse Senedi Getirilerine Etkilerinin BIST’de Araştırılması”, Muhasebe ve Finansman Dergisi, (80), 207-232.
  48. Sakarya, Ş. & H.T. Akkuş (2018), “BIST100 ve BIST Sektör Endeksleri ile VIX Endeksi Arasındaki İlişkinin Analizi”, Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(40), 351-374.
  49. Sarwar, G. (2012), “Is VIX an Investor Fear Gauge in BRIC Equity Markets?”, Journal of Multinational Financial Management, 22(3), 55-65.
  50. Schumpeter, J. (1912), The Theory of Economic Development, Harvard University Press.
  51. Srisawat, A. (2011), “An application of association rule mining based on stock market”, The 3rd International Conference on Data Mining and Intelligent Information Technology Applications, China, 259-262.
  52. Sung, H.N. & Y.S. So (2011), “Forecasting Changes in Korea Composite Stock Price Index (KOSPI) Using Association Rules”, Expert Systems with Applications, 38(7), 9046-9049.
  53. Şekeroğlu, G. vd. (2019), “Enflasyon ve Dış Ticaret Açığının Borsa Endeks Getirileri Üzerindeki Etkisi: Borsa İstanbul 100 Endeksinde Bir Uygulama”, Muhasebe ve Finansman Dergisi, (82), 221-234.
  54. Tan, P.N. et al. (2018), Introduction to Data Mining, 2nd Ed., Pearson Publishers, USA, 864.
  55. Teker, T. & A. Konuşkan (2022), “Fan token fiyatlarında birliktelik etkisi”, Uluslararası İşletme, Ekonomi ve Yönetim Perspektifleri Dergisi, 6(2), 359-376.
  56. Tıraşoğlu, M. & B.Y. Tıraşoğlu (2015), “Hisse Senetleri, Banka Kredileri ve Ekonomik Büyüme İlişkisi: Türkiye Örneği”, Siyaset, Ekonomi ve Yönetim Araştırmaları Dergisi, 3(3), 21-30.
  57. Türedi, S. & M. Berber (2010), “Finansal Kalkınma, Ticari Açıklık ve Ekonomik Büyüme Arasındaki İlişki: Türkiye Üzerine Bir Analiz”, Erciyes Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, 35, 301-316.
  58. Ünsal, Ö. (2020), “Veri Madenciliği Teknikleri ile Hisse Senetleri Arasındaki Fiyat Etkileşimlerinin Belirlenmesi”, Mühendislik Bilimleri ve Tasarım Dergisi, 9(1), 106-112.
  59. Voditel, P. & U. Deshpande (2013), “A stock market portfolio recommender system based on association rule mining”, Applied Soft Computing Journal, 13(2), 1055-1063.
  60. Whaley, R.E. (2009), “Understanding the VIX”, The Journal of Portfolio Management, 35(3), 98-105.
  61. Yıldız, B. & O. Şanlı (2023), “Makroekonomik Göstergeler ile Borsa Endeskleri Arasındaki İlişki ve COVID-19 Etkisinin İncelenmesi’, International Journal of Social and Humanities Sciences Research (JSHSR), 10(93), 628-644.
  62. Zheng, Z. & T. Liu (2002), “The Application of Association Rules in Stocks Analysis”, Journal of Chengdu University (Natural Science), 21(4).