BİST 100 getiri endeksinin farklı yöntemlerle öngörülerek sonuçlarının karşılaştırılması

Autor: Özgür, Özler
Přispěvatelé: Ünsal, Aydın, Ekonometri Ana Bilim Dalı
Jazyk: turečtina
Rok vydání: 2016
Předmět:
Popis: Çalışmada, makine öğrenmesi kavramlarından saklı Markov modelleri ve yapay sinir ağları finansal zaman serilerinin bir sonraki dönem öngörüsü için kullanılmıştır. Çıkan öngörü sonuçları parametrik modeller olan ARIMA ve GARCH'tan çıkan öngörü sonuçları ile karşılaştırılmıştır. Çalışma dört bölümden oluşmaktadır. Birinci bölümde finansal zaman serilerine temel teşkil eden rassal süreçler konusu gözden geçirilmiştir. İkinci bölümde finansal zaman serileri analizinde kullanılan Box-Jenkins yöntemi ile ARCH/GARCH modellerinden bahsedilmiştir. Üçüncü bölümde makine öğrenmesi konusuna kısaca değinilmiş, saklı Markov modelleri ve yapay sinir ağları ile ilgili bilgiler verilmiştir. Son bölüm olan dördüncü bölümde ise ikinci ve üçüncü bölümdeki yöntemler BIST 100 günlük kapanış toplam getiri endeksi verilerine öngörü amaçlı uygulanmış, ortalama mutlak hata performans ölçütü kullanılarak çıkan sonuçlar karşılaştırılmıştır. ARCH/GARCH modellerinin çalışmadaki diğer modellere göre daha iyi öngörü sonuçları ürettiği görülmüştür.Anahtar Kelimeler : Saklı Markov modelleri, yapay sinir ağları, Box-Jenkins yöntemi,ARIMA, ARCH/GARCH, beklenti büyütme algoritması, rassal süreçler In this study, some concepts of machine learning namely, hidden Markov models and artificial neural networks were used for financial time series' next period forecast. Forecast results were compared with those from parametric ARIMA and GARCH models. The study consists of four chapters. In the first chapter, the concept of stochastic processes which is principal for financial time series was reviewed. In the second chapter Box-Jenkins methodology and ARCH/GARCH models which are used in financial time series analysis were mentioned. In the third chapter, the concept of machine learning was referred and information about hidden Markov model and artificial neural networks was provided. In the fourth and the last chapter, methods which were discussed in the second and the third chapters were applied to daily closing values of BIST 100 total return index for forecast and model results were compared with mean absolute error performance criteria. It is concluded that, ARCH/GARCH models have produced better forecast results compared to the other models in the study.Key Words : Hidden Markov models, artificial neural networks, Box-Jenkins methodology, ARIMA, ARCH/GARCH, expectation-maximization algorithm, stochastic processes 186
Databáze: OpenAIRE