Geri Dön

Borsa endeksi hareket yönünün tahmininde sınıflandırma yöntemlerinin performanslarının karşılaştırılması: BİST 100 örneği

Performance comparison of classification techniques in stock exchange index direction movement prediction: the case of BIST 100

PDF İndir

  1. Tez No: 548307
  2. Yazar: İSMAİL KARA
  3. Danışmanlar: DOÇ. DR. FATİH ECER
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Afyon Kocatepe Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 259

Özet

Bu çalışmanın amacı, teknik göstergeleri girdi verisi olarak kullanarak borsa endeksi hareket yönünün tahmin edilebilir olduğunu ortaya koymak ve sınıflandırma yöntemlerinin performanslarını karşılaştırmaktır. 1995:3-2018:3 dönemine ait 10 adet teknik göstergenin Borsa İstanbul 100 Endeksi (BİST 100) günlük kapanış verileri kullanılarak BİST 100 endeks yönü tahmin edilmiştir. Makine öğrenmesi yöntemlerinden Yapay Sinir Ağları (YSA), Destek Vektör Makineleri (DVM), Karar Ağaçları (KA), Naive Bayes (NB), k-En Yakın Komşuluk (k-EYK) yöntemleri ile Lojistik Regresyon (LogR) ve Doğrusal Diskriminant Analizi (DDA) gibi istatistiksel yöntemler kullanılarak analizler yapılmıştır. Sınıflandırma yöntemlerinin doğru sınıflandırma oranları sırasıyla %83.83, %78.43, %65.04, %61.74, %55.48, %76.70 ve %76.87 olduğu görülmüştür. Sonuçlara göre, BİST 100 endeksi hareket yönünün tahmininde kullanılabilecek en iyi sınıflandırma yöntemi YSA'dır.

Özet (Çeviri)

The aim of this study is to show that the direction of movement of stock market index is predictable by using technical indicators as input data and to compare performances of classification methods. The BIST 100 index direction was estimated by using the daily closing data of Borsa Istanbul 100 Index (BIST 100) of 10 technical indicators belong to the period of 1995:3-2018:3. By using the Machine learning methods such as Artificial Neural Networks (ANN), Support Vector Machines (SVM), Decision Trees (DT), Naive Bayes (NB), k-Nearest Neighborhood (k-NN) methods and the statistical methods of Logistic Regression (LogR) and Linear Discriminant Analysis (LDA) were analyzed. The correct classification rates of classification methods were 83.83%, 78.43%, 65.04%, 61.74%, 55.48%, 76.70% and 76.87% respectively. According to the results, ANN is the best classification method that can be used to predict the direction of movement of the BIST 100 index.

Benzer Tezler

  1. Tez No

    641380

    Derin öğrenme ve makine öğrenmesi yöntemleriyle borsa alım satım davranışlarının modellenmesi

    Modeling trading behaviours with deep learning and machine learning methods in stock exchange markets

    AFAN HASAN

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OYA KALIPSIZ

  2. Tez No

    812958

    Borsa endeks hareket yönlerinin makine öğrenmesi yöntemleriyle tahmini: Gelişmiş ve gelişmekte olan ülke borsaları üzerine bir uygulama

    Prediction of stock market index movements using machine learning methods: An application on the stock markets of developed and developing countries

    NAZİF AYYILDIZ

    Doktora

    Türkçe

    Türkçe

    2023

    İşletmeNiğde Ömer Halisdemir Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ÖMER İSKENDEROĞLU

  3. Tez No

    732881

    Predicting direction of stock price movement by using adaptive ensemble learning method

    Hisse senedi fiyatı hareket yönünün adaptif topluluk öğrenmesi metodu ile tahmin edilmesi

    ALİ ÖZKAN PEKMEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  4. Tez No

    678681

    Bist 30 hisse senedi endeksinin kısa dönem öngörüsü: Saklı Markov Modeli uygulaması

    Short-term forecast of bist30 stock index: Application of Hidden Markov Model

    ALİ SİNANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    EkonometriAtatürk Üniversitesi

    Ekonometri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAYRİ ABAR

  5. Tez No

    495288

    Çoklu lojistik regresyon ve k-en yakın komşu yöntemleri ile BİST 100 endeks getiri yönünün tahmini

    Prediction of the BIST 100 index direction with multiple logistic regression and k-nearest neighbors methods

    BEGÜM NUR ALKIŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. GÜLDER KEMALBAY

Geri Dön