KaydedilenlerDerginizi ekleyin

Dergiler / Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi / 2020 / Cilt: 34 - Sayı: 1

THY Hisse Senedi Değerinin Yapay Sinir Ağları İle Tahmini

Eda ÇINAROĞLU
Tunahan AVCI
Sayfa
1–19
Yayın Tarihi
2020-01-25
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular, THY’ye ait gerçek hisse senetleri değerlerinin tahmin edilen hisse senetleri değerlerine çok yakın olduğunu ortaya koymuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Öz Bu çalışmada, BİST’de işlem gören Türk Hava Yolları işletmesinin hisse senedi değerleri, günümüz finans piyasalarında yaygın olarak kullanılan Yapay Sinir Ağı (YSA) Modelleri ile tahmin edilmeye çalışılmıştır.
📊
Temel Bulgular & Veri:Çalışma kapsamında 2015-2018 dönemine ait günlük veriler kullanılarak hisse senedi değerleri farklı YSA modelleri ile öngörülmüş, bu değerler aynı dönem gerçekleşen değerlerle karşılaştırılarak en başarılı YSA modeli belirlenmiştir.
💡
Sonuç & Katkı:Bulgular, THY’ye ait gerçek hisse senetleri değerlerinin tahmin edilen hisse senetleri değerlerine çok yakın olduğunu ortaya koymuştur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2015-2018 Verileri
⚙️Değişkenler:Anahtar Kelimeler Yapay Sinir Ağları · İstatistiksel Tahmin Modelleri · THY

Özet

Öz Bu çalışmada, BİST’de işlem gören Türk Hava Yolları işletmesinin hisse senedi değerleri, günümüz finans piyasalarında yaygın olarak kullanılan Yapay Sinir Ağı (YSA) Modelleri ile tahmin edilmeye çalışılmıştır. Çalışma kapsamında 2015-2018 dönemine ait günlük veriler kullanılarak hisse senedi değerleri farklı YSA modelleri ile öngörülmüş, bu değerler aynı dönem gerçekleşen değerlerle karşılaştırılarak en başarılı YSA modeli belirlenmiştir. Analizde çıktı olarak hisse senedi değeri, girdi olarak ise BIST 100 ile BIST Ulaştırma Endeksleri, petrol ve dolar fiyatları kullanılmıştır. Uygulama aşamasında haftanın ilk 4 gününe ait değerler eğitim verisi, cuma gününe ait değerler ise test verisi olarak seçilmiştir. Çalışmanın devamında en başarılı model kullanılarak 2019 yılı ocak ayına ait ilk 10 işlem günü için hisse senedi tahmin değerleri oluşturulmuştur. Bulgular, THY’ye ait gerçek hisse senetleri değerlerinin tahmin edilen hisse senetleri değerlerine çok yakın olduğunu ortaya koymuştur.

🔖

Bu Makaleye Atıf Yap

ÇINAROĞLU, E., AVCI, T. (2020). THY Hisse Senedi Değerinin Yapay Sinir Ağları İle Tahmini. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 34 - Sayı: 1, 1–19. https://ajindex.com/articles/18686

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (1)

  1. KaynaklarAkbalık, M. & Özkan, N. (2016) “Haftanın Günü Etkisi: BIST 30 Endeksi Payları Üzerine Bir Araştırma”, Finansal Araştırmalar ve Çalışmalar Dergisi, 8(14). 1-16.Akcan, A. & Kartal, C. (2011) “İMKB Sigorta Endeksini Oluşturan Şirketlerin Hisse Senedi Fiyatlarının Yapay Sinir Ağları İle Tahmini”, Muhasebe ve Finansman Dergisi, (51). 27-40.Akel, V. & Karacameydan, F. (2012) “Yatırım Fonları Net Varlık Değerlerinin Yapay Sinir Ağları Yöntemiyle Tahmin Edilmesi”, Anadolu Üniversitesi Sosyal Bilimler Dergisi, Cilt/Vol.: 12 - Sayı/No: 2 (87-106)Altunöz, U. (2013) “Bankaların Finansal Başarısızlıklarının Yapay Sinir Ağları Modeli Çerçevesinde Tahmin Edilebilirliği”, Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2).Aslay, F. & Özen, Ü. (2013) “Meteorolojik Parametreler Kullanılarak Yapay Sinir Ağları İle Toprak Sıcaklığının Tahmini”, Politeknik Dergisi, 16(4). 139-145.Aygören, H., Saritaş, H. & Morali, T. (2012) “İMKB 100 Endeksinin Yapay Sinir Ağları ve Newton Nümerik Arama Modelleri İle Tahmini”, Journal of Alanya Faculty of Business/Alanya İşletme Fakültesi Dergisi, 4(1).Bağiş, A. ve Konar, M. (2010) “Uçuş Kontrol Sistemi Yakıt Parametresinin Yapay Sinir Ağları Kullanılarak Belirlenmesi”, Akıllı Sistemlerde Yenilikler Ve Uygulamaları Sempozyumu, 21-24 Haziran 2010, Kayseri&Kapadokya, Türkiye.Budak, H. & Erpolat, S. (2012) “Kredi Riski Tahmininde Yapay Sinir Ağları ve Lojistik Regresyon Analizi Karşılaştırılması”, Ajıt‐E: Online Academic Journal of Information Technology, 3(9). 23-30.Cao, Q., Parry, M. E., ve Leggio, K. B. (2011) “The Threefactor Model And Artificial Neural Networks: Predicting Stock Price Movement İn China”, Annals of Operations Research, 185(1), 25-44.Çalışkan, M. M. T. & Deniz, D. (2015) “Yapay Sinir Ağlarıyla Hisse Senedi Fiyatları ve Yönlerinin Tahmini”, Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 31, 177-194.Dayı, F. & Ata, H. A. (2012) “Yapay Sinir Ağı İle Hisse Senedi Getirisi Tahmini: Bir Firma Uygulaması”, 16. Finans Sempozyumu. 10-13.De Oliveira, F. A., Nobre, C. N., & Zárate, L. E. (2013) “Applying Artificial Neural Networks To Prediction Of Stock Price And İmprovement Of The Directional Prediction İndex–Case Study of PETR4, Petrobras, Brazil”, Expert Systems with Applications, 40(18), 7596-7606.Ekinci, Y., Temur, G. T., Çelebi, D., & Bayraktar, D. (2008) “Ekonomik Kriz Döneminde Firma Başarısı Tahmini: Yapay Sinir Ağları Tabanlı Bir Yaklaşım”, Endüstri Mühendisliği Dergisi