Borsa Endeks Yönünün Ağaç Tabanli Topluluk Maki̇ne Öğrenmesi̇ Yöntemleri̇ İle Tahmi̇ni̇: Bi̇st-100 Örneği̇

Abstract

Borsa endeks yönünün tahmininde finansal verilerin karmaşık ve durağan olmayan yapısı nedeniyle etkin bir tahmin modelinin kurulması oldukça zordur. Bazı dışsal faktörlerin ve şokların etkilerinin daha derin gözlendiği gelişmekte olan ülke borsalarında, borsa endeksinin aşağı veya yukarı yönlü hareketini tahmin etmek gerek yatırımcılar, hükümetler, finansal kurumlar ve kreditörler gibi paydaşlar gerekse de araştırmacılar için önemli bir konudur. Bu çalışmanın amacı, Borsa İstanbul 100 (BİST-100) endeksinin borsa endeksinin yönünü ağaç tabanlı topluluk Makine Öğrenmesi (ML) yöntemleriyle tahmin etmektir. Üç yılın günlük Açılış, Kapanış, En Yüksek, En Düşük ve Hacim verilerine Üstel Düzgünleştirme uygulandıktan sonra hesaplanan Teknik Göstergeler modelin girdi değişkenleri olarak ele alınmıştır. Ayrıca Teknik Göstergelerin pencere uzunlukları artırılarak girdi değişkeni uzayı genişletilmiştir. Çalışmada Karar Ağaçlarına dayanan topluluk makine öğrenmesi yöntemlerinden Random Forest, XGBoost ve CatBoost kullanılmıştır. Modelin parametreleri Bayesyan Arama (Bayesian Search) yöntemi ile optimize edilmiştir. Çalışmanın bulgularına göre, tercih edilen bütün yöntemler %89,7 ile %90,4 aralığında doğruluk oranına sahipken ve diğer performans değerlendirme kriterleri de dikkate alındığında en iyi performansa sahip yöntemin XGBoost olduğu görülmektedir.