SavedAdd your journal

Journals / Sosyoekonomi / 2020 / Cilt: 28 - Sayı: 46

Prediction of Gold Prices Using Multilayer Artificial Neural Networks Method

Çok Katmanlı Yapay Sinir Ağları Yöntemi ile Altın Fiyatlarının Tahmini

Yakup SÖYLEMEZ
Pages
271–291
Publication Date
2020-10-31
DOI
—
🏛️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)

As a result of the research, there is a model that best estimates (98,44%) gold prices.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The accurate estimation of financial time series provides both investment opportunities and hedging financial assets to those who take positions in financial markets.
📊
Key Findings & Data:In the study, gold prices between 11.03.2014-10.31.2019 are estimated by multi-layer artificial neural networks using variables of Brent oil prices, VIX index, Dow Jones Index and US Dollar index.
💡
Conclusion & Impact:As a result of the research, there is a model that best estimates (98,44%) gold prices.
🔬Design:Modeling & Simulation
📍Scope:2014 Verileri
⚙️Variables:Yapay Zekâ · Yapay Sinir Ağları · Finansal Yatırım Araçları

Abstract

The accurate estimation of financial time series provides both investment opportunities and hedging financial assets to those who take positions in financial markets. In this context, it is extremely important to estimate the price of gold, which is an important investment instrument. The research aims to estimate gold prices with various input variables the day before by using artificial neural networks method. In the study, gold prices between 11.03.2014-10.31.2019 are estimated by multi-layer artificial neural networks using variables of Brent oil prices, VIX index, Dow Jones Index and US Dollar index. As a result of the research, there is a model that best estimates (98,44%) gold prices.

Özet

Finansal zaman serilerinin doğru tahmin edilebilmesi finansal piyasalarda pozisyon alanlara hem yatırım fırsatları sunabilmekte hem de finansal varlıklarını hedge edebilme olanağı sağlamaktadır. Bu kapsamda önemli bir yatırım aracı olan altının fiyatının tahmin edilebilmesi son derece önemlidir. Araştırma yapay sinir ağları yöntemini kullanarak altın fiyatlarının bir gün önceki çeşitli girdi değişkenleriyle tahmin edilebilmesini amaçlamaktadır. Uygulama kısmında 03.11.2014-31.10.2019 tarihleri arasında oluşan altın fiyatları, Brent petrol fiyatları, VIX endeksi, Dow Jones Endeksi ve ABD Dolar endeksi değişkenleri kullanılarak çok katmanlı yapay sinir ağları ile tahmin edilmektedir. Araştırma sonucunda altın fiyatlarını en iyi tahmin eden model bulunmuş ve altın fiyatları %98,44 oranında doğru tahmin edilmiştir.

🔖

Cite This Article

SÖYLEMEZ, Y. (2020). Prediction of Gold Prices Using Multilayer Artificial Neural Networks Method. Sosyoekonomi, Cilt: 28 - Sayı: 46, 271–291. https://ajindex.com/articles/139291

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Adem, K. & O. Comert & N. Zengin & M. Hekim (2017), “Prediction of Gold Prices Using Artificial Neural Networks”, Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 9(3), 83-89.
  2. Alameer, Z. & M.A. Elaziz & A.A. Ewees & H. Ye & Z. Jianhua (2019), “Forecasting Gold Price Fluctuations Using Improved Multilayer Perceptron Neural Network and Whale Optimization Algorithm”, Resources Policy, 61, 250-260.
  3. Aydın, A.D. & S.C. Çavdar (2015), “Comparison of Prediction Performances of Artificial Neural Network (ANN) and Vector Autoregressive (VAR) Models by Using the Macroeconomic Variables of Gold Prices, Borsa Istanbul (BIST) 100 Index and US Dollar-Turkish Lira (USD/TRY) Exchange Rates”, Procedia Economics and Finance, 30, 3-14.
  4. Basher, S.A. & P. Sadorsky (2016), “Hedging Emerging Market Stock Prices with Oil, Gold, VIX, and Bonds: A Comparison between DCC, ADCC and GO-GARCH”, Energy Economics, 54, 235-247.
  5. Benli, Y.K. & A. Yıldız (2014), “Altın Fiyatının Zaman Serisi Yöntemleri ve Yapay Sinir Ağları ile Öngörüsü”, Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 42(2), 213-224.
  6. Cohen, G. & M. Qadan (2010), “Is Gold Still a Shelter to Fear”, American Journal of Social and Management Sciences, 1(1), 39-43.
  7. Cooper, R.N. & R. Dornbusch & R.E. Hall (1982), “The Gold Standard: Historical Facts and Future Prospects”, Brookings Papers on Economic Activity, 1982(1), 1-56.
  8. Çam, S. & S.B. Kılıç (2018), “Altın Fiyatı Günlük Getirilerinin Yapay Sinir Ağları Algoritması ve Markov Zincirleri Modelleri ile Tahmini”, Uluslararası İktisadi ve İdari İncelemeler Dergisi, Özel, (18), 681-694.
  9. Çelik, U. & Ç. Başarır (2017), “The Prediction of Precious Metal Prices via Artificial Neural Network by Using RapidMiner”, Alphanumeric Journal, 5(1), 45-54.
  10. Denton, J.W. (1995), “How Good Are Neural Networks for Causal Forecasting?”, The Journal of Business Forecasting, 14(2), 17. Etheridge, H.L. & R.S. Sriram (1997), “A Comparison of the Relative Costs of Financial Distress Models: Artificial Neural Networks, Logit and Multivariate Discriminant Analysis”, Intelligent Systems in Accounting, Finance & Management, 6(3), 235-248. Ghizoni (N/A),, 05.12.2019.
  11. Hafezi, R. & A. Akhavan (2018), “Forecasting Gold Price Changes: Application of an Equipped Artificial Neural Network”, AUT Journal of Modeling and Simulation, 50(1), 71-82.
  12. Jubinski, D. & A.F. Lipton (2013), “VIX, Gold, Silver, and Oil: How do Commodities React to Financial Market Volatility?”, Journal of Accounting and Finance, 13(1),