Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu çalışmanın amacı, ulaştırma sektöründe faaliyet gösteren dokuz adet şirkete ait hisse senetlerini bünyesinde tutan BIST Ulaştırma endeksini (XULAS), Yapay Sinir Ağları (YSA) Doğrusal Olmayan Dışsal Girdili Otoregresif Ağ (NARX) modeli ile öngörmeye çalışmaktır.Bu doğrultuda, XULAS üzerinde doğrudan veya dolaylı etkisi olduğu düşünülen aylık bazda on ve günlük bazda altı adet makroekonomik değişken tespit edilmiştir.
📌 3 Maddede Bu Makale
Özet
Rekabetçi koşulların sürekli ya da ani değişimi, ulaştırma sektörü içerisinde yer alan işletmelerin, hisse senedi yatırımcılarının ve diğer aktörlerin stratejik hamleler yapmalarını zorlaştırmaktadır. Bu durumda hisse senetlerinde meydana gelen aşağı ve yukarı yönlü hareketleri yansıtan endekslerin doğru bir şekilde yorumlanıp tahmin edilmesi, daha sürdürülebilir bir rekabet avantajı sağlayacaktır. Bu çalışmanın amacı, ulaştırma sektöründe faaliyet gösteren dokuz adet şirkete ait hisse senetlerini bünyesinde tutan BIST Ulaştırma endeksini (XULAS), Yapay Sinir Ağları (YSA) Doğrusal Olmayan Dışsal Girdili Otoregresif Ağ (NARX) modeli ile öngörmeye çalışmaktır.Bu doğrultuda, XULAS üzerinde doğrudan veya dolaylı etkisi olduğu düşünülen aylık bazda on ve günlük bazda altı adet makroekonomik değişken tespit edilmiştir. Çalışmada aylık ve günlük olmak üzere iki farklı model önerisinde bulunulmuştur. Çalışmada kullanılan günlük veriler 19/07/2010-15/10/2021 dönemini kapsarken aylık veriler de 08/2010-08/2021 dönemini kapsamaktadır. Performans ölçütleri olarak MAD, MSE, RMSE ve MAPE değeri sonuçlarına bakılmıştır. Yapılan öngörü sonucunda önerilen YSA NARX ağ modellerinin XULAS değerlerini öngörmede oldukça başarılı olduğu söylenilebilir. Her iki model karşılaştırıldığında günlük verilerle çalışmanın tahmin ve öngörü açısından daha başarılı sonuçlar verdiği saptanmıştır.
Abstract
Continuous or sudden changes in competitive conditions pose difficulties for businesses, stock investors and other actors in the transportation sector to make strategic moves. In this case, if the indices reflecting the upward and downward movements in the stocks can be interpreted and estimated correctly it will provide a more sustainable competitive advantage. Under that circumstances, the aim of the study was tried to be predicted with the BIST Transportation index (XULAS) Artificial Neural Networks (ANN) Nonlinear External Input Autoregressive Network (NARX) model, which includes the stocks of nine companies operating in the transportation sector. Accordingly, ten macroeconomic variables on a monthly basis and six on a daily basis, have been identified which have a direct or indirect effect on XULAS. In this study, two different models were suggested as monthly and daily. While the daily data used in the study covers the period of 19/07/2010-15/10/2021, the monthly data covers the period of 08/2010-08/2021. As performance criteria, the results of MAD, MSE, RMSE and MAPE values were examined. As a result of the prediction, it can be said that the proposed ANN NARX network models are quite successful in predicting the XULAS values. When both models are compared, it has been determined that working with daily data gives more successful results in terms of forecasting and prediction.