AI Summary & Key Takeaways
AI InsightThe result of the study illustrate that hybrid model has much more successful result than a stand-alone performance of the ARIMA and ANN model.
📌 3 Key Takeaways
Abstract
Many different methods have been developed for the prediction of macroeconomic variables especially for the stock market indices. ARIMA time series method developed by Box Jenkins is the foremost method and used for a long time. However, this method was developed based on pre-defined linear function under certain assumptions. Therefore, it cannot be sufficient to forecast for non linear and volatile variables. ANN (Artificial Neural Network) method is widely used as a method which is independent of the assumptions and giving success-ful results even for prediction of non linear variables. However, the studies indicated that ANN has not given the best results all the time. Therefore, the hybrid method combining with these two methods has been developed for forecasting Most studies claimed that hybrid method has given better forecasting results. In this study hybrid model, developed by Zhang, has been applied to forecast BIST 100 index using the data between January 2002 and December 2012 period and then compared with ARIMA and ANN with aspects of the forecasting performan- ce. The result of the study illustrate that hybrid model has much more successful result than a stand-alone performance of the ARIMA and ANN model.
Özet
Borsa endeksleri başta olmak üzere birçok makro ekonomik değişkenin tahmini için farklı yöntemler geliştirilmiştir. Box Jenkins tarafından geliştirilen ARIMA (Autoregressive Integrated Moving Averages) modeli bu yöntemlerin başında gelmektedir ve uzun zamandır kullanılmaktadır. Ancak bu yöntem belirli varsayımlar 1 altında önceden tanımlanmış doğrusal fonksiyona dayalı olarak geliştirilmiştir. Bu nedenle doğrusal olmayan ve fazla değişkenlik gösteren verilerin tahmin edilmesinde yetersiz kalabilmektedir. YSA (Yapay Sinir Ağları) yöntemi ise varsayımlardan bağımsız, doğrusal olmayan verilerin tahmininde de başarılı sonuçlar veren bir yöntem olarak yaygın olarak kullanılmaktadır. Ancak çalışmalar YSAnın da her zaman en iyi sonucu vermediğini göstermiştir. Bu nedenle tahmin için iki yöntemin birlikte kullanıldığı karma modeller geliştirilmiştir. Çalışmaların birçoğunda karma modelin daha iyi tahmin sonuçları verdiği ileri sürülmektedir. Bu çalışmada da Ocak 2002 ile Aralık 2012 dönemindeki veriler kullanılarak BIST 100 endeks tahmini için Zhang tarafından geliştirilen karma model uygulanmış ve tahmin performansı açısından ARIMA ve YSA modelleriyle karşılaştırılmıştır. Çalışmanın sonucu karma modelin ARIMA ve YSA modelinin tek başına gösterdiği performanstan çok daha başarılı sonuç verdiğini göstermiştir.