Buradasınız

Anasayfa » Content

İMKB 100 Endeksinin Yapay Sinir Ağları ve Newton Nümerik Arama Modelleri ile Tahmini

Forecasting ISE 100 Indice Using Artifıcial Neural Networks And Newton Numerical Search Models

Journal Name:

  • Uluslararası Alanya İşletme Fakültesi Dergisi

Publication Year:

  • 2012

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Stock market price prediction is fairly important for developing countries such as TURKEY. In this study models were developed using some variables that are relevant to ISE 100 index. These models were tried to predict by using traditional time series, numerical search models and artificial neural networks. For models, golden price, interest rate, dual transactions between banks (TL) and USD daily closing price data were used as independent variables. ARMA (p,q) models for traditional time series, Newton method for numerical search models and backpropation algorithm for artificial neural networks were developed for comparison. According to model results traditional time series and numerical search models had less performance than artificial neural networks models.
Bookmark/Search this post with
Abstract (Original Language): 
Menkul kıymetler piyasalarının fiyat tahminlerinin yapılması Türkiye gibi gelişmekte olan ekonomiler açısından oldukça önemlidir. Bu çalışmada İMKB 100 endeksi ile ilişkili bazı piyasa değişkenleri kullanılarak geleneksel zaman serileri, nümerik arama modelleri ve yapay sinir ağları yöntemleri ile tahmin edilmeye çalışılmıştır. Modelleme için İMKB 100, Altın Fiyatları, Faiz Oranı, Bankalar Arası Çift taraflı işlem miktarı (TL) ve USD günlük kapanış değerlerine ilişkin 3779 adet günlük veri kullanılmıştır. Modelleme çalışmalarında geleneksel zaman serileri için ARMA(p,q), Nümerik Arama Modelleri için Newton yöntemi ve Yapay Sinir Ağları için ise Geri Yayılım Algoritması kullanılmıştır. Stokastik verilerin kullanıldığı zaman serilerinde modelleme çalışmaları tahmin sonuçlarına göre kıyaslanmıştır. Model sonuçlarına göre geleneksel zaman serileri ve Newton nümerik arama modelleri yapay sinir ağları tekniğine göre daha başarısız bir performans sergilemiştir.
FULL TEXT (PDF): 
PDF icon arastirmax-imkb-100-endeksinin-yapay-sinir-aglari-newton-numerik-arama-modelleri-ile-tahmini.pdf
  • 1
73-88
  • Turkish

REFERENCES

References: 

AKDİ Y. (2003). Zaman Serileri Analizi (Birim Kökler Ve Kointegrasyon), Bıçaklar Kitabevi, Ankara
BOZ A. (2000) Lineer Olmayan İntegral Denklemlerin Newton Metodu İle Çözümü, Dumlupınar Üniversitesi, Fen Bilimleri Enstitüsü
Yüksek Lisans Tezi, Kütahya
BOZKURT H. (2007) Zaman Serileri Analizi,Ekin Kitabevi, Bursa
CEYLAN A., Korkmaz T. (2004) Sermaye Piyasası ve Menkul Değer Analizi, İstanbul
DEMİREL Ö. (2009) Anfis Ve Arma Modelleri İle Elektrik Enerjisi Yük Tahmini Marmara Üniversitesi Fen Bilimleri Enstitüsü Yüksek
Lisans Tezi
DOĞAN V. (2006). Forecasting Stock Marker Return Using Artificial Neural Networks Boğaziçi Üniversitesi Fen Bilimleri Enstitüsü
Yüksek Lisans Tezi, İstanbul
ELMAS, Ç.(2003). Yapay Sinir Ağları (Kuram, Mimari, Eğitim, Uygulama), Seçkin Yayıncılık, Ankara, 975 347 612 4
GÜNAY S., EĞRİOĞLU, E.; ALADAĞ, Ç.(2007). Tek Değişkenli Zaman Serileri Analizine Giriş, Hacettepe Üniversitesi Yayınları, Ankara
HAMZAÇEBİ C., KUTAY, F.(2004). Yapay Sinir Ağları ile Türkiye Elektrik Enerjisi Tüketiminin 2010 Yılına Kadar Tahmini, Mühendislik
Mimarlık Fakültesi Dergisi, Endüstri Mühendisliği Bölümü, Gazi Üniversitesi, Ankara
HARMON, P., MAUS, R., MORRİSEY, W. (1988). Expert System Tools and Applications, John Wiley &Sons Inc., Canada
KOCABAş Ş. (1998). Yapay Zeka Ders Notları İstanbul Teknik Üniversitesi, İstanbul
KONURALP G. (2005). Sermaye Piyasaları Analizler, Kuramlar Ve Portföy Yönetimi, 2. Baskı 2005 İstanbul
KURT A. (1995). “Uzman Sistem Nedir?” Gazi Üniversitesi Fen Bilimleri Enstitüsü Bülteni Cilt :8 Sayı: 3
MURPHY J. (1986). Technical Analysis of Futures Markets, New York Institute of Finance, New York
MUSAYEV, B.İ. (1988) Tekli İntegral Denklemlerin Konsruktif Çözüm Yöntemleri, Azerbaycan Üniversitesi Doktora Tezi
OCAKOĞLU G. (2006). Lojistik Regresyon Analizi Ve Yapay Sinir Ağı Tekniklerinin Sınıflama Özelliklerinin Karşılaştırılması Ve Bir
Uygulama, Uludağ Üniversitesi Sağlık Bilimleri Enstitüsü Yüksek Lisans Tezi, Bursa
ÖZGEN D. (2007). Yapay Sinir Ağları Analizi Ve Türk Finans Piyasaları: İMKB 30 Endeksi Uygulaması, Marmara Üniversitesi Bankacılık
ve Sigortacılık Enstitüsü Yüksek Lisans Tezi, İstanbul
ÖZTEMEL, E. (2006). Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul, 975 -67-97-39-8
SEVÜKTEKİN, M., NARGELEÇEKENLER M. (2005). Zaman Serileri Analizi, Nobel Yayın Dağıtım Ltd., Ankara
SEYİDOĞLU H. (2005) Uluslar arası Finans, 3. Baskı İstanbul
TRİPPİ R.R., TURBAN E. (1996) Neural Network in Finance and Investing, Irwin Professional Pub.,Chicago
YILDIZ Ö. (2006). Döviz Kuru Tahmininde Yapay Sinir Ağlarının Kullanımı, Osmangazi Üniversitesi Sosyal Bilimler Enstitüsü Yüksek
Lisans Tezi Eskişehir

Thank you for copying data from http://www.arastirmax.com