KaydedilenlerDerginizi ekleyin

Dergiler / Maliye ve Finans Yazıları / 2022 / Sayı: 117

K-En Yakın Komşu Algoritması İle Dolar-TL Ve Euro-TL Kuru Kullanarak Borsa Endeks Tahmini

Stock Market Index Prediction Using Dollar-TL And Euro-TL Exchange Rates With K-Nearest Neighbor Algorithm

Çiğdem ÖZARI
Özge DEMİRKALE
Sayfa
41–62
Yayın Tarihi
2022-04-27
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)

Elde edilen tahmini kararlardan, endeksin kur değişimlerinden etkilendiği tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Çalışmada teknik analiz yardımıyla borsa endeks değerleri için belirlenen kararlar, veri madenciliği yöntemlerinden K-En Yakın Komşu (K-NN) algoritması kullanılarak tahmin edilmeye çalışılmıştır. 2008-2021 yılı kapanış fiyatları dikkate alınarak gerçekleştirilen çalışmada, öncelikle teknik analizin en bilinen indikatörlerinden Bollinger Bant ve Göreceli Güç Endeks göstergeleri ile BIST30, BIST50 ve BIST100 fiyat analizinde Al/Sat/Bekle kararları belirlenmiştir.
📊
Temel Bulgular & Veri:Elde edilen kararlar ile Dolar-TL ve Euro-TL günlük kur değerleri kullanılarak bir sonraki gün için borsa endeks değerlerinin Al/Sat/Bekle kararları, K-NN algoritması ile tahmin edilmeye çalışmıştır.
💡
Sonuç & Katkı:Elde edilen tahmini kararlardan, endeksin kur değişimlerinden etkilendiği tespit edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2008-2021 Verileri
⚙️Değişkenler:K-NN Algoritması · Bollinger Bant · Göreceli Güç Endeksi

Özet

Çalışmada teknik analiz yardımıyla borsa endeks değerleri için belirlenen kararlar, veri madenciliği yöntemlerinden K-En Yakın Komşu (K-NN) algoritması kullanılarak tahmin edilmeye çalışılmıştır. 2008-2021 yılı kapanış fiyatları dikkate alınarak gerçekleştirilen çalışmada, öncelikle teknik analizin en bilinen indikatörlerinden Bollinger Bant ve Göreceli Güç Endeks göstergeleri ile BIST30, BIST50 ve BIST100 fiyat analizinde Al/Sat/Bekle kararları belirlenmiştir. Elde edilen kararlar ile Dolar-TL ve Euro-TL günlük kur değerleri kullanılarak bir sonraki gün için borsa endeks değerlerinin Al/Sat/Bekle kararları, K-NN algoritması ile tahmin edilmeye çalışmıştır. Bu bağlamda çalışmanın ana amacı borsa endekslerinin kur değişimlerinden etkilendiğini belirlemektir. Elde edilen tahmini kararlardan, endeksin kur değişimlerinden etkilendiği tespit edilmiştir.

Abstract

In the study, the decisions determined with technical analysis for the stock-market index values were estimated using the K-Nearest Neighbor (KNN) algorithm. Considering the closing prices of 2008-2021, the Buy/Sell/ Wait decisions were determined for the BIST30, BIST50, and BIST100 with most well-known indicators (Bollinger Band and Relative Strength Index). The decisions obtained from technical analysis and Dollar-TL, Euro-TL daily exchange rates are used to estimate the next day’s prices with the K-NN. The main purpose is to determine the effect of exchange rate changes from stock market indices. From obtained decisions, “the index is affected by exchange rate changes” is determined.

🔖

Bu Makaleye Atıf Yap

ÖZARI, Ç., DEMİRKALE, Ö. (2022). K-En Yakın Komşu Algoritması İle Dolar-TL Ve Euro-TL Kuru Kullanarak Borsa Endeks Tahmini. Maliye ve Finans Yazıları, Sayı: 117, 41–62. https://ajindex.com/articles/687184

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (8)

  1. Alkhatib, K., Najadat, H., Hmeidi, I., & Shatnawi, M. K. A. (2013). Stock Price Prediction Using K-Nearest Neighbor (K-NN) Algorithm. International Journal of Business, Humanities and Technology, 3(3), 32-44.
  2. Alkış, B. N. (2017). Çoklu Lojistik Regresyon ve K-En Yakın Komşu Yöntemleri ile BIST 100 Endeks Getiri Yönünün Tahmini. Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü: İstanbul.
  3. Aparicio, T., Pozo, E. V., & Saura, D. (2002). The Nearest Neighbour Method As A Test For Detecting Complex Dynamics In Financial Series. An Empricial Application. Applied Financial Economics, 12, 517-525. https://doi.org/10.1080/09603100010007986
  4. Atmeh, M. A., & Dobbs, I. M. (2006). Technical Analysis and The Stochastic Properties of The Jordanian Stock Market Index Return. Studies in Economics and Finance. Vol. 23 No. 2, pp. 119-140. https://doi.org/10.1108/10867370610683914
  5. Bıyan, M. (2016). Bulanık Mantık Tabanlı Çalışan Disiplin Kurulu Yazılımının Gerçekleştirilmesi. Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 7(1), 819-842.
  6. Bollinger, J. (2001),
  7. Bollinger on Bollinger Bands, McGraw-Hill, USA, s.64. Bollinger, J. G., & Bascom, J. (1980). Algorithms for Microprocessor Manipulation of Machines and Processes. In Joint Automatic Control Conference (No. 17, p. 109). Bhuvaneswari, P., & Therese, A. B. (2015). Detection of Cancer in Lung With k-NN Classification Using Genetic Algorithm. Procedia Materials Science, 10, 433-440. doi: 10.1016/j.mspro.2015.06.077 Çetinyokuş, T., & Gökçen, H. (2002). Borsada Göstergelerle Teknik Analiz İçin Bir Karar Destek Sistemi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 17(1), 43-58. Chang P. & Liu, C. (2008). A TSK Type Fuzzy Rule Based System For Stock Price Prediction. Expert Systems with Applications, 34, 135-144. https://doi.org/10.1016/j.eswa.2006.08.020
  8. Chaitanya, P. ve Sahu, R. (2005). Application Of Technical Trading Strategies in Indian Stock Market, Thirteenth Annual Conference On Pacific Basın Finance, Economics, And Accounting. Chen, S., Zhang, B., Zhou, G., & Qin, Q. (2018). Bollinger Bands Trading Strategy Based On Wavelet Analysis. Applied Economics and Finance, 5(3), 49-58. doi:10.11114/aef.v5i3.3079 Cheung, W. M. & Kaymak, U. (2007, November). A Fuzzy Logic Based Trading System. NİSIS 2007 3rd Annual Symposium, Malta. Chong, T. T. L., & Ng, W. K. (2008). Technical Analysis And The London Stock Exchange: Testing The MACD And RSI Rules Using The FT30. Applied Economi