Bulanik Mantik Ve Yapay Si̇ni̇r Ağlari İle Borsa Endeks Tahmi̇ni̇: Geli̇şmi̇ş Ve Geli̇şmekte Olan Ülkeler Örneği̇

Abstract

Tahminlerin finansal piyasalara uygulanmasına ilişkin kullanılan yöntemlerden bulanık mantık ve yapay sinir ağları üzerine son yıllarda artan bilimsel çalışmalar vardır. Bu çalışmada 2012-2016 yıllarına ait verilerle gelişmekte olan ülkeler Çin (Shangai), Hindistan (Nifty 50), Meksika (IPC-Meksika) ve İstanbul (BİST-100) ile gelişmiş ülkeler ABD (Nasdaq), İngiltere (FTSE-100), Almanya (DAX) ve Fransa (CAC-40) ele alınmıştır. Haftalık kapanış hisse senedi değerleri kullanılarak iki etkin modelin tahminde gösterdikleri performansları karşılaştırılmaya çalışılmıştır. Zaman serisi değerleri model oluşturma aşamasında %60 eğitim, %40 test olarak iki gruba ayrılmıştır. Sonuç olarak modellerin istatistiksel ve finansal performanslarını gösteren bazı kanıtlar elde edilerek birçok çalışmada belirtilen hisse senedi getirilerini tahmin etmek için çeşitli yapay zeka modellerini başarıyla uygulamanın umut verici sonuçlar verdiği gerçeğine ulaşılmıştır.

How effective is machine learning in stock market predictions?

“…Accordingly, while ANNs appear as the best predictors for NYSE 100, FTSE 100, DAX 30, and FTSE MIB indices, logistic regression seems to be the best prediction algorithm for NIKKEI 225, CAC 40, and TSX indices. These results align with findings from some studies investigating the location dependence of the ANN algorithm [ 33 , 35 , 36 ]. Similar studies reaching comparable conclusions predicted the movement directions of indices such as DJIA, S&P500, FTSE-100, and NASDAQ for the USA; FTSE100 for the England; DAX for Germany; and CAC40 for France using the ANN algorithm, revealing varying predictive accuracy among countries.…”

“…Another study predicted the movement directions of the US's NASDAQ, the UK's FTSE100, Germany's DAX and France's CAC40 indices using weekly data from 2012 to 2016 with the YSA algorithm. The algorithm used was found to be successful in predicting the movement directions of the indices [ 36 ]. In a different study, five different developed stock market indices, including the US's S&P500, Germany's DAX, Japan's Nikkei, Denmark's OMX30 and Sweden's OMX30, were predicted using YSA with a daily dataset from January 1, 2014, to December 1, 2014.…”

“…The machine learns the model using the training dataset, then the predictions made with the learned model are compared with the test dataset, and the results are evaluated [ 46 ]. In similar studies in the literature, datasets have been divided into different ratios such as 75:25, 78.6:21.4, 90:10, 60:40, 80:20, 83:17, and 70:30 [ 18 , 29 , 30 , 36 , 41 , 44 , 45 ]. Although no general opinion exists about the ratio into which the data be divided, it is recommended to use the ratio of 80:20 in classification processes for large datasets [ 47 ].…”