| Popis: |
Menkul kıymetler piyasasında hisse senedi fiyat endekslerinin gelecekteki değerlerinin tahmin edilmesi için yapay sinir ağlarını esas alan iki farklı modelleme yaklaşımı sunulmaktadır. Birinci tahminleme modelinde, yapay sinir ağları kullanılarak verileri mevcut olan karar değişkenlerinin tümünün modellemeye dahil edildiği bir zaman serisi tahminleme modeli uygulanmaktadır. İkinci modelde, regresyon ağaçları ve yapay sinir ağlarıyla bütünleşik bir tahminleme modeli tasarlanmaktadır. Regresyon ağaçları, yapay sinir ağlarında girdi olarak kullanılacak olan en önemli karar değişkenlerinin belirlenmesi için özellik seçme işlemini gerçekleştirmektedir. Önemli karar değişkenlerine bağlı olarak oluşturulan modelde menkul kıymetler borsası endekslerinin geleceğe yönelik tahminlemesi yapay sinir ağlarıyla gerçekleştirilmektedir. Yapay sinir ağlarıyla tahminleme modellerinde, zaman serileri olarak elde edilen veriler eğitim, doğrulama ve test verisi olarak gruplandırıldıktan sonra endekslerin gelecekteki değerleri iki aşamalı yapay sinir ağlarıyla tahmin edilmektedir. İleri sürülen tahminleme modelleri için performans değerlendirmesi işlem süresi ve istatistiksel göstergelere dayalı tahminleme doğruluğu kriterlerine göre yapılmaktadır. Two different modeling approaches based on artificial neural networks are presented to predict the future values of stock price indices in the securities market. In the first forecasting model, a time series forecasting model is applied using artificial neural networks, in which all the decision variables with available data are included in the modeling. In the second model, an integrated prediction model is designed with regression trees and artificial neural networks. Regression trees perform feature selection to determine the most important decision variables to be used as inputs in artificial neural networks. In the model created depending on the important decision variables, the future estimation of the stock market indices is carried out with artificial neural networks. In the prediction models with artificial neural networks, after the data obtained as time series are grouped as training, validation and test data, the future values of the indices are estimated with two-stage neural networks. Performance evaluation for the proposed estimation models is made according to the processing time and estimation accuracy criteria based on statistical indicators. No sponsor |
