Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÇalışma sonucunda her üç yönteme göre oluşan kümeler genel itibariyle benzer şekillenmiştir.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada hisse senetlerinin sınıflandırılmasında kullanılan bir veri madenciliği yaklaşımı sunulmuştur. Hisse senetleri sınıflandırıldıktan sonra portföyde yer alacak hisse senetleri oluşan gruplar içerisinden seçilebilecektir. Bu çalışma, üç farklı kümeleme analizi yöntemi kullanılarak Borsa İstanbul’da işlem gören hisse senetlerinden etkin bir portföy oluşturulmasını amaçlamaktadır. Çalışmanın bir başka amacı ise hisse senetlerinden etkin bir portföy oluşturmada kümeleme analizi yöntemlerinin kullanılabilirliğinin sınanmasıdır. Bu amaçlarla hiyerarşik kümeleme yöntemlerinden Ward yöntemi, hiyerarşik olmayan kümeleme yöntemlerinden K-Ortalamalar yöntemi ve iki adımlı kümeleme yöntemleri kullanılarak toplam 69 adet hisse senedi kümelenmiştir. Kümeleme analizinde kullanılan finansal göstergeler şirketlerin finansal tablolarından ve hisse senedi fiyat hareketlerinden elde edilmiştir. Çalışma sonucunda her üç yönteme göre oluşan kümeler genel itibariyle benzer şekillenmiştir. Kümeler, finansal gösterge ortalamaları ve hisse senedi sayıları temel alınarak değerlendirilmiş ve tercih edilebilecek kümeler belirtilmiştir.
Abstract
In this study, a data mining approach for classification of stocks into clusters is presented. After classification, the stocks could be selected from these groups for building a portfolio. This study aims to create an effective portfolio from stocks traded in Stock Exchange Istanbul using three different clustering analysis methods. Another purpose of the study is to test the availability of clustering analysis methods to create an efficient portfolio of stocks. For these purposes, a total of 69 stocks were clustered by using Ward method as a hierarchical clustering method, K-Means method as a non-hierarchical clustering method, and two-step clustering (hybrid) method. The financial indicators that used in this study were obtained from financial statements and stock price movements of companies. As a result of the study, clusters formed according to all three methods are generally similar. The clusters are evaluated based on the average of the financial indicators and the number of shares, and the preferable clusters are indicated.