Geri Dön

The effectiveness of artificial intelligence in financial analysis: ISE100

Finansal analizde yapay zekanın etkinliği: BIST100

PDF İndir

  1. Tez No: 776842
  2. Yazar: FİKRİYE KARACAMEYDAN
  3. Danışmanlar: DOÇ. DR. ERHAN ÇANKAL
  4. Tez Türü: Doktora
  5. Konular: Bankacılık, Banking
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Finans ve Bankacılık Ana Bilim Dalı
  12. Bilim Dalı: Bankacılık ve Finans Bilim Dalı
  13. Sayfa Sayısı: 181

Özet

Bu tez çalışmasında, makroekonomik göstergelerin Borsa İstanbul (BIST100) endeksi üzerindeki etkileri yapay zekâ teknolojilerinden yapay sinir ağlarına dayalı derin öğrenme yöntemi kullanılarak analiz edilmiştir. Mevcut çalışmada seçilen tüm değişkenler Ocak 2001- Ocak 2022 dönemine ait aylık kapanış fiyatlarından oluşan verileri kapsamaktadır. Dolar Kuru (ERUSD, TL/$), Para Arzı (M2), Üretici Fiyat Endeksi (PPI), Sanayi Üretim Endeksi (IPI), Aktif Tahvilin Faiz Oranı (TYBY), Brent Petrol Fiyatı (BRT) ve Altın (GP, TL/Gr) fiyatlarından oluşan makroekonomik göstergelerin BIST100 endeksi üzerindeki etkileri, hem Logit ve Probit nitel tepkili regresyon modelleri, hem de LSTM (Long- Short Term Memory) mimarisi kullanılarak oluşturulan ve bir makine öğrenme yöntemi olan derin öğrenme modeli ile incelenmiştir. Her yöntem için elde edilen sonuçların performansları karşılaştırmalı olarak değerlendirilmiştir. Seçilen makroekonomik değişkenlerin kriz dönemlerinde ve Covid-19 pandemisi döneminde BIST100 endeksi üzerindeki etkilerinin arttığı ortaya konulmuştur. BIST100'de yer alan hisse senetleri fiyatlarındaki değişikliğin, büyük oranda para arzı, döviz kuru, sanayi üretim endeksi ve tüketici fiyat endeksi tarafından açıklandığı saptanmıştır. Reel sektördeki değişimlerin sermaye sektörünü önemli ölçüde etkilediği tespit edilmiştir. Finansal krizlerin tahmini konusunda derin öğrenme yönteminin daha başarılı olduğu belirlenmiştir. Analiz sonuçları, makroekonomik göstergelerin Borsa İstanbul (BIST100) endeksi üzerindeki etkilerini analiz etmek için geliştirilen LSTM derin öğrenme modelinin hata düzeyinin düşük, Logit ve Probit regresyon analizi yöntemlerinden daha etkin ve tatmin edici sonuçlar verdiği ortaya konulmuştur.

Özet (Çeviri)

In this thesis, the effects of macroeconomic indicators on the Borsa Istanbul (BIST100) index are analyzed using a deep learning method based on artificial neural networks, which is one of the technologies of artificial intelligence. All the variables selected in the present study consist of the monthly closing prices for the period January 2001-January 2022. The effects of macroeconomic indicators consisting of the Dollar Rate (ERUSD, TL/$), Money Supply (M2), Producer Price Index (PPI), Industrial Production Index (IPI), Active Bond Interest Rate (TYBY), Brent Oil Price (BRT), and Gold Prices (GP, TL/Gr) on the BIST100 index are examined with both Logit and Probit regression models with qualitative responses and LSTM (Long-Short Term Memory) architecture and a deep learning model that is a machine learning method. The performances of the methods are compared with each other. The research has revealed that the effects of selected macroeconomic variables on the BIST100 index increase during crisis periods and during the COVID-19 pandemic. It has been determined that the change in the prices of stocks in BIST100 is largely explained by money supply, exchange rate, industrial production index, and consumer price index. It has been determined that the changes in the real sector have a significant impact on the capital sector. It has been determined that the deep learning method is more successful in predicting financial crises. The results of the analysis revealed that the LSTM deep learning model, developed to analyze the effects of macroeconomic indicators on the Borsa Istanbul (BIST100) index, has a very low error level and gives more effective and satisfactory results than Logit and Probit regression models.

Benzer Tezler

  1. Tez No

    878794

    Derin öğrenme ile borsa fiyatlarının tahmini: LSTM yaklaşımı

    Stock market price prediction with deep learning: LSTM approach

    SAHIB RAHIMOV

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİ

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT ŞİMŞEK

  2. Tez No

    839401

    Dalgacık dönüşümü ve derin öğrenme yöntemleri ile hisse senedi fiyat tahmini

    Stock price prediction with wavelet transform and deep learning methods

    ÇAĞRI ÇOBAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    EkonometriAydın Adnan Menderes Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. ELVAN HAYAT

  3. Tez No

    466225

    Muhasebe denetiminde XBRL ve yapay zekâ kullanımının denetim sürecine etkisi ve uzman sistemler uygulaması

    The effect of XBRL and artificial intelligence using auditing process in accounting audit and expert systems application

    İSMET KARADUMAN

    Doktora

    Türkçe

    Türkçe

    2017

    İşletmeKocaeli Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. SELMAN AZİZ ERDEN

  4. Tez No

    844798

    Finansal teknolojiler alanındaki gelişmelerin para politikasına yönelik potansiyel etkileri: Türkiye üzerine ampirik bir analiz

    Potential impacts of developments in financial technologies on monetary policy: An empirical analysis on Türkiye

    ÖMER FARUK KÖMÜRCÜOĞLU

    Doktora

    Türkçe

    Türkçe

    2023

    EkonomiKaradeniz Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. HAYDAR AKYAZI

  5. Tez No

    900368

    Derin öğrenme ile ethereum fiyat tahmini

    Ethereum price prediction with deep learning

    MUSTAFA YALÇIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBatman Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER FARUK ERTUĞRUL

Geri Dön