Hisse senedi fiyatlarının yapay zeka teknikleri kullanılarak tahmin edilmesi: BIST'te bir uygulama
Forecasting share prices using artificial intelligence techniques: An application in BIST
- Tez No: 724843
- Danışmanlar: DOÇ. DR. EMRE YAKUT
- Tez Türü: Doktora
- Konular: Maliye, İşletme, Finance, Business Administration
- Anahtar Kelimeler: Hisse senedi fiyat tahmini, parçacık sürü optimizasyonu, karınca koloni algoritması, genetik algoritma, stock price prediction, particle swarm optimization, genetic algorithm, ant colony algorithm
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Osmaniye Korkut Ata Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 166
Özet
Hisse senedi piyasası, dünya çapında büyük borsalarda kayıtlı şirketlerin 2021 yılındaki piyasa değeri yaklaşık 115 trilyon dolar ile dünyanın en büyük finans piyasalarından biridir. Hisse senedi fiyatlarının tahmin edilmesi araştırmacılar, kurumsal yatırımcılar, fon yöneticileri ve bireysel yatırımcılar tarafından uzun süredir ilgi gören bir konudur. Hisse senedi fiyatları, ülke içi ve dışındaki ekonomik ortam, uluslararası durumlar, sektördeki beklentiler, finansal veriler gibi iç ve dış faktörler, döviz kurları, faiz oranı, enflasyon, toplam ekonomik faaliyetler veya küresel fiyat endeksleri gibi çeşitli faktörlerden etkilenen dinamik, doğrusal olmayan bir süreç olmasından öngörülmesi zor bir konudur. Borsaların istikrarlı gelişimi bir ülke için hayati önem taşır ve ulusal para ve maliyet politikalarından derinden etkilenmektedir. Bu anlamda hisse fiyatının doğru tahmin edilmesi yatırımcının kayıplarını azaltacak ve enflasyon veya piyasa ortalaması getirinin üstünde getiri sağlayacaktır. Bu çalışmada BIST 30'da 2008-2017 yılları arasında işlem gören firmaların hisse senetlerine ait 16 adet teknik indikatör, 8 adet borsa performans oranı ve 11 adet makroekonomik gösterge değişkenleri kullanılarak aylık hisse senedi fiyatlarının tahmin edilmesi için modeller kurulmakta, 2018-2020 dönemi arasında bu modeller yardımıyla hisselerin ileriye yönelik tahmin değerlerinin elde edilmesi amaçlanmaktadır. Her bir hisse senedinin fiyatını tahminlemek amacıyla PSO, ANT ve GA uygulaması yardımıyla 3, 4, 5, ….30 adet değişken seçilerek olası 20'şer farklı tahmin modelleri içerisinden en düşük RMSE değerine sahip en iyi tahmin modelleri oluşturulmuştur. Veri grubuyla gerçekleştirilen optimal tahmin modellerinin başarısını değerlendirmek için R2, MSE, MAPE, RRMSE ve VK istatistiki performans göstergeleri kullanılmıştır. Uygulanan algoritmaların tahmin sonuçları ile gözlenen hisse senedi değerleri arasında istatistiksel açıdan anlamlı bir farklılığın olup olmadığını belirlemek için Wilcoxon işaretli sıralar testi uygulanmıştır. Araştırmada kullanılan algoritmaların istatistiki performans kriterlerine göre sıralama yapılması için CRITIC, CODAS, MAIRCA ve TOPSIS yöntemleri uygulanmıştır. Çalışma sonucunda PSO'nun ANT ve GA uygulamasına göre daha başarılı tahmin performansı gösterdiği ortaya çıkmıştır. Yatırımcılar ve analizciler açısından önerdiğimiz tahminleme modelinin hisse senedi fiyatının belirlenmesinde kullanılmasının uygun olabileceği görülmüştür.
Özet (Çeviri)
The stock market is one of the largest financial markets in the world, with companies listed on major stock exchanges worldwide, with a market value of approximately $115 trillion in 2021. Forecasting stock prices has long been a topic of interest to researchers, institutional investors, fund managers, and individual investors. It is a dynamic, non-linear process that is affected by various factors such as stock prices, domestic and foreign economic environment, international situations, expectations in the sector, internal and external factors such as financial data, exchange rates, interest rate, inflation, total economic activities or global price indices. It is a difficult subject to predict. The stable development of stock markets is vital for a country and is deeply influenced by national monetary and cost policies. In this sense, the correct estimation of the share price will reduce the investor's losses and provide returns above the inflation or market average return. In this study, models were established to predict monthly stock prices by using 16 technical indicators, 8 stock market performance ratios and 11 macroeconomic indicator variables belonging to the stocks of companies traded in BIST 30 between 2008 and 2017, and these models were established between 2018-2020 period. It is aimed to obtain the future forecast values of the shares with the help of in order to predict the price of each stock, with the help of PSO, ANT and GA application, 3, 4, 5, ….30 variables were selected and the best prediction models with the lowest RMSE value were created among the possible 20 different prediction models. R2, MSE, MAPE, RRMSE and VK statistical performance indicators were used to evaluate the success of the optimal forecasting models performed with the data set. Wilcoxon signed-rank test was applied to determine whether there is a statistically significant difference between the estimation results of the applied algorithms and the observed stock values. CRITIC, CODAS, MAIRCA and TOPSIS methods were used to rank the algorithms used in the research according to the statistical performance criteria. As a result of the study, it was revealed that PSO showed more successful prediction performance than ANT and GA applications. It has been seen that it may be appropriate to use the estimation model we recommend for investors and analysts in determining the stock price.
Benzer Tezler
- Constructing trading strategies using artificial intelligence based models: An application for Borsa Istanbul
Yapay zeka temelli modeller kullanarak alım satım stratejilerinin oluşturulması: Borsa İstanbul için bir uygulama
BERÇİM BERBEROĞLU
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Doğru yatırım kararları için yapay zekâ tekniklerini kullanarak borsa tahmininin kapsamlı analizi
Comprehensive analysis of stock market prediction using artificial intelligence techniques for accurate investment decisions
FARES ABDULHAFIDH DERHEM DAEL
Doktora
Türkçe
2022
Bilgi ve Belge YönetimiAtatürk ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. UĞUR YAVUZ
- Hisse senedi yatırım kararlarında genetik algoritmaların kullanımı
Stock investment decisions by using genetic algorithms
MUSTAFA KORAY ÇETİN
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE