Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightYatırımcılar ve analizciler için önerdiğimiz modelin değişkenleri ile birlikte hisse senedi getiri tahmininde kullanılmasının uygun olabileceği gözlenmiştir.
📌 3 Maddede Bu Makale
Özet
Hisse senedi getiri sınıflandırma tahmini her zaman için yatırımcıların ve analizcilerin ilgisini çeken bir araştırma alanı olmuştur. Bu çalışmada BİST 100 endeksinde işlem gören kimya, kauçuk ve plastik ürünleri imalatı sanayinde yer alan, faaliyetleri 20092014 yılları arasında süreklilik gösteren 18 şirketin hisse senedi getirilerinde etkili olan faktörler belirlenerek, hisse senedi getirileri tahmin edilmeye çalışılmıştır. Söz konusu verilerin veri madenciliği yöntemlerinden olan LR analiz, C5.0 algoritması, CART algoritması ve DVM yöntemleri kullanılarak analiz işlemleri gerçekleştirilmiş, hisse senedi getiri sınıflandırma tahmininde anlamlı ve faydalı bilgileri ortaya çıkarmak için karar ağacına ait kurallar elde edilmiştir. Yapılan analizler sonucunda LR analizi %75, C5.0 algoritması %88, CART algoritması %89,8 ve DVM analizi %75,9'luk doğru sınıflandırma başarısı gerçekleştirmiştir. Pozitif ve negatif hisse senedi getiri sınıflandırma tahminine etki eden en önemli değişkenlerin "piyasa/defter değeri değişkeni", "TÜFE değişkeni" ve "brüt kar marjı değişkeni" olduğu saptanmıştır. Yatırımcılar ve analizciler için önerdiğimiz modelin değişkenleri ile birlikte hisse senedi getiri tahmininde kullanılmasının uygun olabileceği gözlenmiştir.
Abstract
Predicting stock return classification is a research field that has always attracted the attention of investors and analysts. In this study, the factors that affected the stock returns were determined for 18 companies which were dealt at BIST 100 index, and operating to manufacture chemistry, rubber and plastic products, and were active between 2009 and 2014, after which their stock returns were predicted. Of all the data mining methods, relevant data were collected, and analyzed through LR analysis, C5.0 algorithm, CART algorithm and SVM methods. Accordingly, some rules were obtained out of the decision tree in order to reveal significant and beneficial information for predicting the stock return classification. As a result of the analyses, LR analysis showed 75% of success, C5.0 algorithm showed 88% of success, CART algorithm showed 89.8% of success, and SVM analysis showed 75.9% of success for accurate classification. It was determined that the most important variables influencing positive and negative predictions of the stock return classification were 'market/book value variable', 'CPI variable' and 'gross profit margin variable'. Using the studied model and its variables for predicting stock return classification was observed to be convenient and was suggested for investors and analysts.