Journals / Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi / 2019 / Cilt: 12 - Sayı: 2
Prediction of Bank Stocks Price with Machine Learning Techniques
- Pages
- 30–39
- DOI
- —
Abstract
It is a difficult problem to predict the one-day next closing price of bank stocks. Because there are many factors affecting stock prices. In this study, using data from 1 January 2016 to 9 May 2019 date and some bank stocks have been tried to predict the closing prices of the next day. The decision tree, multiple regression, and random forest methods were used in developing the estimation model due to finding linear patterns in stock movements. Two different sets of input variables were used for the models created with these methods. There are 50 indicators consisting of 46 techniques and 4 fundamental indicators in the first input variable set. The second input variable set, as a result of the reduction in technical indicators there is a total of 33 indicators consisting of 29 technical indicators and 4 basic indicators. For these two different input variable sets, the estimation performance of both models was evaluated by the R2 criteria. When the R2 results were analyzed, it was seen that the reduction in the technical indicator had a positive effect on the predictive performance of the models.
Özet
Banka hisse senetlerinin bir gün sonraki kapanış fiyatını tahmin etmek zor bir problemdir. Çünkü hisse senetleri fiyatlarını etkileyen çok sayıda etken vardır. Bu çalışmada 1 Ocak 2016 - 9 Mayıs 2019 tarihleri arasındaki veriler ele alınarak bazı banka hisse senetlerinin bir gün sonraki kapanış fiyatları tahmin edilmeye çalışılmıştır. Hisse senedi hareketlerinde doğrusal örüntülere rastlanması sebebiyle tahmin modeli geliştirilirken karar ağacı, çoklu regresyon ve rassal orman yöntemlerinden yararlanılmıştır. Bu yöntemlerle oluşturulan modeller için iki farklı girdi değişken kümesi kullanılmıştır. Birinci veri kümesinde, 46 teknik ve 4 temel göstergeden oluşan toplam 50 gösterge vardır. İkincisi ise teknik göstergelerde yapılan indirgemeler sonucunda 29 teknik gösterge ve 4 temel göstergeden oluşan toplam 33 göstergeden meydana gelmektedir. Bu iki farklı girdi değişken kümesi için her iki modelin tahmin performansı R2 ölçütü ile değerlendirilmiştir. R2 sonuçları incelendiğinde, teknik göstergede yapılan indirgemenin modellerin tahmin performansını olumlu yönde etkilediği görülmüştür.