Yapay sinir ağlarının finansal zaman serilerinde öngörü başarısının incelenmesi: BİST 100 üzerine bir uygulama
Analysis of the accuracy of artificial neural networks in financial time series: An application on BIST 100
- Tez No: 570627
- Danışmanlar: PROF. DR. ÖZGÜR ÖMER ERSİN
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İşletme, Econometrics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Beykent Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Yönetimi Ana Bilim Dalı
- Bilim Dalı: Finans Bilim Dalı
- Sayfa Sayısı: 91
Özet
Finansal serilerin izleyeceği patikanın öngörülmesi gerek yatırımcılar gerekse araştırmacılar için önemli bir araştırma alanıdır. Finans literatüründe öne çıkan etkin piyasa hipotezinde ise finansal serilerin gelecekte izleyecekleri patikanın geçmişte izledikleri patikadan hareketle açıklanamayacağı dikkat çekmektedir. Etkin piyasa hipotezinin Borsa Istanbul 100 (BIST100) endeksi için geçerliliğinin sınanmasında yapay sinir ağları (YSA) yöntemlerinin kullanılmasının hedeflendiği çalışmada, günlük BIST100 endeksinin öngörülmesinde doğrusal zaman serisi modelleri ile karşılaştırılması hedeflenmiştir. Örneklem 6.3.2001-18.12.2017 dönemi günlük serilerden oluşmaktadır. İlk aşamada seri 4. mertebeden otoregresif model ile tahmin edilmiş, ikinci aşamada ise elde edilen temel modelin farklı nöron sayısına sahip YSA modelleri ile karşılaştırılmıştır. YSA model mimarisi seçiminde optimum model mimarisi seçimi için izlenen adımlar şöyle önerilmektedir: i. seçili bilgi kriteri ile girdi katmanının oluşturulması, ii. tek gizli katmanlı modelin nöron sayısının tek tek arttırılarak tekrarlı olarak tahmin edilmesi, iii. bir önceki aşamanın iki katmanlı YSA için tekrarlanması, iv. eğitim ve doğrulama alt örneklemlerinde en iyi performansa sahip modelin seçimi, v. gelecek öngörülerinin optimum model çerçevesinde üretilmesidir. Çalışmanın bulguları, BIST100'ün YSA modellerinin ile modellenmesinde önemli örneklem dışı başarıya ve dolayısıyla etkin piyasa hipotezinin BIST100 için geçerli olmayabileceğine işaret etmektedir.
Özet (Çeviri)
Predicting the path to be followed by the financial series is an important field of research for both investors and researchers. In the effective market hypothesis, which stands out in the financial literature, it is noteworthy that the future path of the financial series cannot be explained from the path that they have followed in the past. In this study, it is aimed to use artificial neural networks (ANN) methods to test the validity of effective market hypothesis for Borsa Istanbul 100 (BIST100) index and to compare it with linear time series models in predicting daily BIST100 index. The sample consists of daily series for the period 6.3.2001-18.12.2017. In the first stage, the series was estimated with the fourth order autoregressive model, and in the second stage, the baseline model was compared with the ANN models with different neuron numbers. In the selection of ANN model architecture, the steps to be taken to select the optimum model architecture are suggested as follows: i. creating the input layer with the selected information criterion, ii. repeatingly estimating the number of neurons of the individual latent layer model by increasing it individually; iii. repeating the previous step for the two-layer ANN, iv. selection of the model with the best performance in training and validation subsamples, v. future forecasts are produced within the framework of the optimum model. The findings of the study point out to significant non-sample success in modeling BIST100 with ANN models and hence the effective market hypothesis may not be valid for BIST100.
Benzer Tezler
- Geri dönüşlü derin sinir ağları ile zaman serisi tahmini ve bir finans uygulaması
Time series forecasti̇ng with recurrent deep neural networks and a finance application
NECATİ SERDAR PEKMEZCİ
Doktora
Türkçe
2019
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. SEMRA ERPOLAT TAŞABAT
- Türkiye'de faaliyet gösteren bazı sigorta şirketlerinin prim üretimlerinin yapay sinir ağları ile tahmini
Forecasting using artifical neural networks of premium productionof some insurance compani̇es operating in Turkey
BUSE ÖZGÜR
- Deep wavelet neural network for spatio-temporal data fusion
Uzamsal-zamansal veri füzyonu içinderin dalgacık sinir ağları
AJLA KULAGLIC
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Uzun kısa süreli bellek ile altın fiyatı tahmini
Gold price forecasting using long short-term memory
SİNA BİRECİK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY ÖKE GÜNEL
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY