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

THY Hisse Senedi Değerinin Yapay Sinir Ağları İle Kestirimi

The Forecasting of Thy Stock Value With Artifıcial Neural Networks

Sayfa
1–19
Yayın Tarihi
2022-10-11
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 hissesenetleri değerlerinin tahmin edilen hisse senetleri değerlerine çok yakın olduğunu ortaya koymuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez: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 tahminedilmeye çalışılmıştır.
📊
Temel Bulgular & Veri:Çalışma kapsamında 2015-2018 dönemine ait günlük veriler kullanılarak hissesenedi değerleri farklı YSA modelleri ile öngörülmüş, bu değerler aynı dönem gerçekleşen değerlerlekarşılaştırılarak en başarılı YSA modeli belirlenmiştir.
💡
Sonuç & Katkı:Bulgular, THY’ye ait gerçek hissesenetleri değerlerinin tahmin edilen hisse senetleri değerlerine çok yakın olduğunu ortaya koymuştur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2015-2018 Verileri
⚙️Değişkenler:Alan Parametreleri

Özet

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 tahminedilmeye çalışılmıştır. Çalışma kapsamında 2015-2018 dönemine ait günlük veriler kullanılarak hissesenedi değerleri farklı YSA modelleri ile öngörülmüş, bu değerler aynı dönem gerçekleşen değerlerlekarşılaştırılarak en başarılı YSA modeli belirlenmiştir. Analizde çıktı olarak hisse senedi değeri, girdiolarak ise BIST 100 ile BIST Ulaştırma Endeksleri, petrol ve dolar fiyatları kullanılmıştır. Uygulamaaşamasında haftanın ilk 4 gününe ait değerler eğitim verisi, cuma gününe ait değerler ise test verisiolarak seçilmiştir. Çalışmanın devamında en başarılı model kullanılarak 2019 yılı ocak ayına ait ilk 10işlem günü için hisse senedi tahmin değerleri oluşturulmuştur. Bulgular, THY’ye ait gerçek hissesenetleri değerlerinin tahmin edilen hisse senetleri değerlerine çok yakın olduğunu ortaya koymuştur.

Abstract

In this study, the stock values of the Turkish Airlines business traded on the BIST are predicted with the Artificial Neural Network (ANN) Models. These models are widely used in today's financial markets. By using daily data belonging to 2015-2018 period, stock values are predicted with various ANN models and the most successful ANN model has been determined by comparing these values with the values realized in the same period. In the analysis, the stock value is used as an output, while BIST 100 and BIST Transportation Indexes, oil and dollar prices are used as inputs. The values of the first 4 days of the week are selected as training data and the values of fridays are selected as the test data. Afterwards, stock estimation values are predicted for the first 10 transaction days of January 2019 by using the most successful model. The findings show that the real stocks values of THY are very close to the estimated stocks values.

🔖

Bu Makaleye Atıf Yap

AVCI, T., ÇINAROĞLU, E. (2022). THY Hisse Senedi Değerinin Yapay Sinir Ağları İle Kestirimi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 34 - Sayı: 1, 1–19. https://ajindex.com/articles/453364

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Akbalık, M. & Özkan, N. (2016) “Haftanın Günü Etkisi: BIST 30 Endeksi Payları Üzerine Bir Araştırma”, Finansal Araştırmalar ve Çalışmalar Dergisi, 8(14). 1-16.
  2. 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.
  3. 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)
  4. 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.
  5. 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. Braga, A., de Leon Ferreira, A. C. P., ve Ludermir, T. B. (2007), Redes Neurais Artificiais: Teoria E Aplicações, Rio de Janeiro, Brazil:: LTC Editora. 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.
  6. Cao, Q., Leggio, K., & Schniederjans, M. (2005) “A Comparison Between Fama Andfrench’s Model And Artificial Networks İn Predicting The Chinese Stock Market”, Computers and Operations Research, 32, 2499–2512.
  7. 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.
  8. Chen, A., Leung, M., ve Daouk, H. (2003) “Application Of Neural Networks To Anemerging Financial Market: Forecasting And Trading The Taiwan Stock İndex”, Computers and Operations Research, 30, 901–923
  9. 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.
  10. Dayı, F. & Ata, H. A