The effectiveness of artificial intelligence in financial analysis: ISE100
Finansal analizde yapay zekanın etkinliği: BIST100
- Tez No: 776842
- Danışmanlar: DOÇ. DR. ERHAN ÇANKAL
- Tez Türü: Doktora
- Konular: Bankacılık, Banking
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Finans ve Bankacılık Ana Bilim Dalı
- Bilim Dalı: Bankacılık ve Finans Bilim Dalı
- 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
- Finansal yatırım piyasalarında fiyat tahminleme: Kripto para piyasasında yapay sinir ağları uygulaması
Price prediction in financial investment markets: Application of artificial neural networks in cryptocurrency market
EREN ULUCAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
PROF. DR. AYBEN KOY
- Dijital dönüşüm çağında kripto paralar, finans ve borsada yapay zekânın uygulamaları ve etkileri
Applications and impacts of cryptocurrencies, finance, and artificial intelligence in stock markets in the era of digital transformation
AYLİN ÖZGE ÖZBAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL NİŞANTAŞI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞEN BAKKALOĞLU
- Derin öğrenme ile borsa fiyatlarının tahmini: LSTM yaklaşımı
Stock market price prediction with deep learning: LSTM approach
SAHIB RAHIMOV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT ŞİMŞEK
- 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
2023
EkonometriAydın Adnan Menderes ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. ELVAN HAYAT
- 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