BIST100 endeksinin günlük modellenmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ondokuz Mayıs Üniversitesi, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: ZÜBEYİR AKTÜRK
Danışman: Erdal Kılıç
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Finansal işlemlerin artışı ile birlikte günümüzde piyasalardaki rekâbet küresel bir ölçeğe taşınmış ve bu durum ekonomik karar birimlerini tüm yönleriyle etkilemiştir. Hükümetlerin para ve maliye politikalarını yürüten kurumlar, bankalar, aracı kurumlar, firmalar, yatırımcılar ve tasarruf sahipleri gelecekteki muhtemel risk ve getirilerin hesaplanabilmesi için ekonomik ve finansal göstergelerin doğru tahminine ihtiyaç duymaktadır. Finansal tahminleme çalışmalarının genelde iki eksende toplandığı görülmektedir. 1. eksen endeks değer tahmini iken 2. eksen endeks yön tahmini olmaktadır. Finansal tahminlemelerde yapay zeka tekniklerinin ön plana çıktığı lojistik regresyon, çoklu doğrusal regresyon, polinom regresyon, karar ağaçları, rassal ormanlar, destek vektör makineleri, yapay sinir ağları, bulanık mantık, bulanık sinir ağları ve genetik algoritmaların sıklıkla kullanıldığı gözlemlenmektedir. Endeks değer ve yön tahminlerinin yatırımcıların karar alma süreçlerine anlamlı katkı sağlayacak hassasiyette olması gerekmektedir. Yukarıda belirtilen ihtiyaçlar doğrultusunda, bu yüksek lisans tez çalışmasında hisse senedi piyasasının genel bir göstergesi olan BIST100 endeksinin bir gün sonraki kapanış fiyatı ve yönü tahminlenmiştir. BIST100'e ait 5 değişken, bu değişkenlerden üretilen 46 teknik gösterge ve 4 temel gösterge ile Destek Vektör Regresyonu, Karar Ağaçları, Rassal Ormanlar, Çoklu Doğrusal Regresyon ve Polinom Regresyon yöntemleri kullanılarak BIST100 endeksinin bir gün sonraki kapanış fiyatını ve yönünü tahminleyen bir uygulama geliştirilmiş, ardından söz konusu yöntemlerden karma yöntem çıkarılmış ve son olarak çıkarılan karma yöntem gerçek zamanlı verilerle uygulanarak performansı gerçek zamanlı değerlendirilmiştir. Modeller, orjinal veri setine ek olarak 7 günlük basit ortalaması alınmış veri seti ile de makine öğrenmesine tabi tutulmuş, verideki gürültü miktarı azaltılmıştır. İki yaklaşımın entegrasyonu karma modelin başarısını artırmış ve 0.993951 R2 değerine ulaşılmıştır. 12.11.2018-07.12.2019 tarihlerinde uygulanan gerçek zamanlı tahminlemede ise 18 günün 15'inde BIST100'ün yönü doğru tahminlenmiştir. Anahtar Kelimeler: Destek Vektör Regresyonu, Karar Ağaçları, Rassal Ormanlar, Çoklu Doğrusal Regresyon, Polinom Regresyon, BIST100, Borsa Değer Tahmini, Borsa Yön Tahmini, Karma Tahminleme, Gerçek Zamanlı Tahminleme