Geri Dön

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

PDF İndir

  1. Tez No: 812958
  2. Yazar: NAZİF AYYILDIZ
  3. Danışmanlar: PROF. DR. ÖMER İSKENDEROĞLU
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Niğde Ömer Halisdemir Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Muhasebe Finansman Bilim Dalı
  13. Sayfa Sayısı: 133

Özet

Menkul kıymet borsaları; makroekonomik faktörler, küresel gelişmeler ve insan davranışları gibi birçok faktörden etkilenen karmaşık bir yapıya sahiptir. Borsa endeksleri ise, borsaların genel durumunu ve yönünü yansıtan önemli göstergelerdir. Borsa endeks hareket yönlerinin tahmin edilmesi, yatırım kararlarının alınması ve risklerin yönetilmesi açısından önemlidir. Geçmiş verilerdeki ilişkileri ve eğilimleri tespit edebilen makine öğrenmesi yöntemleri sayesinde borsa endekslerinin hareket yönleri tahmin edilebilmektedir. Bu çalışmanın amacı, gelişmiş ve gelişmekte olan ülkelerin borsa endekslerinin hareket yönlerinin makine öğrenmesi yöntemleriyle tahmin edilerek yöntemlerin performanslarının karşılaştırılması ve en iyi tahmin yönteminin belirlenmesidir. Gelişmiş ülkelerin borsa endeksleri olarak NYSE 100, NIKKEI 225, FTSE 100, CAC 40, DAX 30, FTSE MIB, TSX; gelişmekte olan ülkelerin borsa endeksleri olarak ise SSE, BOVESPA, RTS, NIFTY 50, IDX, IPC ve BIST 100 endeksleri seçilmiştir. Borsa endekslerinin hareket yönleri ise karar ağaçları, rastgele orman, k-en yakın komşuluk, naive bayes, lojistik regresyon, destek vektör makineleri ve yapay sinir ağları yöntemleri ile tahmin edilmiştir. Analizlerde 01.01.2012-31.12.2021 dönemine ait günlük veri seti ve teknik göstergeler girdi verisi olarak kullanılmıştır. Ulaşılan sonuçlara göre, incelenen dönemde en iyi yöntemin yapay sinir ağları olduğu tespit edilmiştir. Yapay sinir ağlarıyla birlikte lojistik regresyon ve destek vektör makineleri yöntemlerinin de tüm endekslerin hareket yönünü %70'in üzerinde doğrulukla tahmin ettiği belirlenmiştir. Ayrıca, en iyi yöntem olarak belirlenen yapay sinir ağlarının tüm endeksler için geçerli olmadığı da tespit edilmiştir. Bu bağlamda, incelenen yöntemlerin performansının ülkeler ve endeksler arasında farklılık gösterdiği ancak ülkelerin gelişmişlik seviyelerine göre farklılık göstermediği belirlenmiştir. Sonuç olarak, borsa endeks hareket yönlerinin tahmininde yapay sinir ağları, lojistik regresyon ve destek vektör makineleri yöntemleri en avantajlı yöntemler olarak önerilmektedir.

Özet (Çeviri)

Stock markets possess a complex structure influenced by numerous factors such as macroeconomic indicators, global developments, and human behaviors. Stock market indices, in particular, stand as crucial indicators reflecting the overall health and direction of these markets. Predicting the movement directions of these indices holds significant importance in terms of making investment decisions and managing risks. Thanks to machine learning methods capable of identifying relationships and trends within historical data, it becomes possible to predict the movement directions of stock market indices. The objective of this study is to compare the performance of machine learning methods in predicting the movement directions of stock market indices in both developed and developing countries, and to determine the best prediction method. In line with this aim, the stock market indices of developed countries were selected as NYSE 100, NIKKEI 225, FTSE 100, CAC 40, DAX 30, FTSE MIB, and TSX; while the stock market indices of developing countries included SSE, BOVESPA, RTS, NIFTY 50, IDX, IPC, and BIST 100. The movement directions of the stock market indices were predicted using decision trees, random forests, k-nearest neighbors, naive Bayes, logistic regression, support vector machines, and artificial neural networks. The analyses employed a daily dataset and input data consisting of technical indicators from January 1, 2012, to December 31, 2021. Based on the results obtained, artificial neural networks are identified as the most effective method during the examined period. Alongside artificial neural networks, logistic regression and support vector machines are recognized as methods accurately predicting the movement directions of all indices with an accuracy rate exceeding 70%. Furthermore, it is observed that the identified best method, artificial neural networks, is not universally applicable across all indices. In this context, it is concluded that the performance of the explored methods varies across countries and indices but does not significantly differ based on countries levels of development. In conclusion, artificial neural networks, logistic regression, and support vector machines are recommended as the most advantageous methods for predicting the movement directions of stock market indices.

Benzer Tezler

  1. Tez No

    837365

    Portfolio optimization with wavelet analysis and neural fuzzy networks

    Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu

    ÖMER ZEKİ GÜRSOY

    Doktora

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

  2. Tez No

    414744

    Identification through heteroscedasticity within the network connectedness framework: The Systemic Five stock markets

    Ağ bağlanmışlık çerçevesinde ayrı varyans kullanımı ile belirleme: Sistemik Beşli hisse senedi piyasaları

    ERHAN ULUCEVİZ

    Doktora

    İngilizce

    İngilizce

    2015

    Ekonometriİstanbul Bilgi Üniversitesi

    İktisat Ana Bilim Dalı

    DOÇ. DR. HARALD WERNER SCHMIDBAUER

  3. 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

  4. Tez No

    753500

    Gayrimenkul yatırım ortaklıkları hisse senedi performanslarına COVID-19 etkisinin analizi

    Analysis of the impact of COVID-19 on real estate investment trusts stock performances

    ALPARSLAN YARIKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Ekonometriİstanbul Teknik Üniversitesi

    Gayrimenkul Geliştirme Ana Bilim Dalı

    DOÇ. DR. KEREM YAVUZ ARSLANLI

  5. 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

Geri Dön