Bu analizler sonucunda %92.71 oranı ile C4.5 sınıflandırma algoritması doğru sınıflandırmada en iyi performansı göstermiştir.
📌 3 Maddede Bu Makale
🎯
Amaç & Hipotez:Öz Çalışmada, BIST-50 endeksini etkileyen faktörlerden yararlanarak bazı makine öğrenmesi yöntemleri ve yapay sinir ağları ile sınıflandırmalar yapılmıştır.
📊
Temel Bulgular & Veri:Literatürde sıklıkla kullanılan BIST-50 endeksinin değişimine etki eden faktörlerden DAX, FTSE, S&P 500, BISTBANK, BISTMALI, BISTSINAI, GOLDINDEX, Euro/Dolar Paritesi, Ham Petrol Fiyatı ve Faiz oranları alınmıştır.
💡
Sonuç & Katkı:Bu analizler sonucunda %92.71 oranı ile C4.5 sınıflandırma algoritması doğru sınıflandırmada en iyi performansı göstermiştir.
Öz Çalışmada, BIST-50 endeksini etkileyen faktörlerden yararlanarak bazı makine öğrenmesi yöntemleri ve yapay sinir ağları ile sınıflandırmalar yapılmıştır. Literatürde sıklıkla kullanılan BIST-50 endeksinin değişimine etki eden faktörlerden DAX, FTSE, S&P 500, BISTBANK, BISTMALI, BISTSINAI, GOLDINDEX, Euro/Dolar Paritesi, Ham Petrol Fiyatı ve Faiz oranları alınmıştır. Sınıflandırmada makine öğrenmesi yöntemlerinden, k en yakın komşu algoritması (k-NN), Naive (basit) Bayes sınıflandırıcısı, C4.5 sınıflandırma algoritması ve yapay sinir ağları (YSA) kullanılmıştır. Weka3.8 programı yardımıyla analizler yapılmıştır. Bu analizler sonucunda %92.71 oranı ile C4.5 sınıflandırma algoritması doğru sınıflandırmada en iyi performansı göstermiştir.
Filiz, E., Karaboğa, H. A., Akoğul, S. (2017). BIST-50 ENDEKSİ DEĞİŞİM DEĞERLERİNİN SINIFLANDIRILMASINDA MAKİNE ÖĞRENMESİ YÖNTEMLERİ VE YAPAY SİNİR AĞLARI KULLANIMI. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 26 - Sayı: 1, 231–241. https://ajindex.com/articles/73348
Akcan, A. ve Kartal, C., (2011), The Forecasting of Stock Prices in ISE Insurance Index with Artificial Neural Networks, The Journal of Accounting and Finance, 51:27-40.
Akçayır, Ö., Doğan, B. ve Demir, Y., (2014), Elton-Gruber Kısıtlı Markowitz Kuadratik Programlama Modeli İle Portföy Optimizasyonu: BIST-50 Üzerine Bir Uygulama, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 19(3):333-352.
Arslantaş, C. C. ve Fındıklı, M. A., (2010), İMKB-50’de Yer Alan Şirketlerin Yönetim Kurulu Yapılanmaları, Istanbul University Journal of the School of Business Administration, 39(2): 258-275.
Atsalakis, G. S. ve Valavanis, K. P., (2009), Surveying stock market forecasting techniques–Part II: soft computing methods, Expert System Application, 36:5932–5941.
Avci, E., (2007), Forecasting Daily And Sessional Returns Of The ISE-100 Index with Neural Network Models, Doğuş Üniversitesi Dergisi, 128-142.
Aydeniz, E. Ş., (2009), Makroekonomik Göstergelerin Firmaların Finansal Performans Ölçütleri Üzerindeki Etkisinin Ölçülmesine Yönelik Bir Araştırma: İmkb’ye Kote Gıda Ve İçecek İşletmeleri Üzerine Bir Uygulama, İktisadi ve İdari Bilimler Dergisi, 27(2):263-277.
Aygören, H., Sarıtaş, H. ve Moralı, T., (2012), Forecasting ISE 100 Indice Using Artifıcial Neural Networks and Newton Numerical Search Models, International Journal of Alanya Faculty of Business, 4(1):73-88.
Bahrammirzaee, A., (2010), A comparative survey of artificial intelligence applications in finance: artificial neural networks, expert system and hybrid intelligent systems, Neural Computing and Applications, 19:1165–1195.
Balaban, M., E. ve Kartal, E., (2015),
Veri Madenciliği Ve Makine Öğrenmesi, Çağlayan Kitabevi, İstanbul. Borsa İstanbul, http://www.borsaistanbul.com/, Erişim Tarihi: 15.01.2017
Bulut, F., (2016), Performance evaluations of supervised learners on imbalanced datasets, In Electric Electronics, Computer Science, Biomedical Engineerings' Meeting (EBBT), IEEE, 1-4.
Çelik, R., (2013), Kelebek Şeklinde Dağılan Artıklar İçin Genel Varyans Dengeleme Yöntemlerinin Karşılaştırılması, Trakya University Journal of Social Science, 15(1):63-84.
Daş, B. ve Türkoğlu, İ., (2014), DNA Dizilimlerindeki Nükleotit Çiftlerinin Frekans Değerlerine Göre Farklı Sınıflandırma Yöntemleri ile Karşılaştırılması, Tıp Teknolojileri Ulusal Kongresi (TIPTEKNO'2014), 191-194.
Diler, A. İ., (2003), IMKB ULUSAL-100 Endeksinin Yönünün Yapay Sinir Ağları Hata Geriye Yayma Yöntemi İle Tahmin Edilmesi, IMKB