Yapay sinir ağlarının finansal zaman serilerinde öngörü başarısının incelenmesi: BİST 100 üzerine bir uygulama
Küçük Resim Yok
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Beykent Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Finansal serilerin izleyeceği patikanın öngörülmesi gerek yatırımcılar gerekse araştırmacılar için önemli bir araştırma alanıdır. Finans literatüründe öne çıkan etkin piyasa hipotezinde ise finansal serilerin gelecekte izleyecekleri patikanın geçmişte izledikleri patikadan hareketle açıklanamayacağı dikkat çekmektedir. Etkin piyasa hipotezinin Borsa Istanbul 100 (BIST100) endeksi için geçerliliğinin sınanmasında yapay sinir ağları (YSA) yöntemlerinin kullanılmasının hedeflendiği çalışmada, günlük BIST100 endeksinin öngörülmesinde doğrusal zaman serisi modelleri ile karşılaştırılması hedeflenmiştir. Örneklem 6.3.2001-18.12.2017 dönemi günlük serilerden oluşmaktadır. İlk aşamada seri 4. mertebeden otoregresif model ile tahmin edilmiş, ikinci aşamada ise elde edilen temel modelin farklı nöron sayısına sahip YSA modelleri ile karşılaştırılmıştır. YSA model mimarisi seçiminde optimum model mimarisi seçimi için izlenen adımlar şöyle önerilmektedir: i. seçili bilgi kriteri ile girdi katmanının oluşturulması, ii. tek gizli katmanlı modelin nöron sayısının tek tek arttırılarak tekrarlı olarak tahmin edilmesi, iii. bir önceki aşamanın iki katmanlı YSA için tekrarlanması, iv. eğitim ve doğrulama alt örneklemlerinde en iyi performansa sahip modelin seçimi, v. gelecek öngörülerinin optimum model çerçevesinde üretilmesidir. Çalışmanın bulguları, BIST100'ün YSA modellerinin ile modellenmesinde önemli örneklem dışı başarıya ve dolayısıyla etkin piyasa hipotezinin BIST100 için geçerli olmayabileceğine işaret etmektedir.
Predicting the path to be followed by the financial series is an important field of research for both investors and researchers. In the effective market hypothesis, which stands out in the financial literature, it is noteworthy that the future path of the financial series cannot be explained from the path that they have followed in the past. In this study, it is aimed to use artificial neural networks (ANN) methods to test the validity of effective market hypothesis for Borsa Istanbul 100 (BIST100) index and to compare it with linear time series models in predicting daily BIST100 index. The sample consists of daily series for the period 6.3.2001-18.12.2017. In the first stage, the series was estimated with the fourth order autoregressive model, and in the second stage, the baseline model was compared with the ANN models with different neuron numbers. In the selection of ANN model architecture, the steps to be taken to select the optimum model architecture are suggested as follows: i. creating the input layer with the selected information criterion, ii. repeatingly estimating the number of neurons of the individual latent layer model by increasing it individually; iii. repeating the previous step for the two-layer ANN, iv. selection of the model with the best performance in training and validation subsamples, v. future forecasts are produced within the framework of the optimum model. The findings of the study point out to significant non-sample success in modeling BIST100 with ANN models and hence the effective market hypothesis may not be valid for BIST100.
Predicting the path to be followed by the financial series is an important field of research for both investors and researchers. In the effective market hypothesis, which stands out in the financial literature, it is noteworthy that the future path of the financial series cannot be explained from the path that they have followed in the past. In this study, it is aimed to use artificial neural networks (ANN) methods to test the validity of effective market hypothesis for Borsa Istanbul 100 (BIST100) index and to compare it with linear time series models in predicting daily BIST100 index. The sample consists of daily series for the period 6.3.2001-18.12.2017. In the first stage, the series was estimated with the fourth order autoregressive model, and in the second stage, the baseline model was compared with the ANN models with different neuron numbers. In the selection of ANN model architecture, the steps to be taken to select the optimum model architecture are suggested as follows: i. creating the input layer with the selected information criterion, ii. repeatingly estimating the number of neurons of the individual latent layer model by increasing it individually; iii. repeating the previous step for the two-layer ANN, iv. selection of the model with the best performance in training and validation subsamples, v. future forecasts are produced within the framework of the optimum model. The findings of the study point out to significant non-sample success in modeling BIST100 with ANN models and hence the effective market hypothesis may not be valid for BIST100.
Açıklama
Anahtar Kelimeler
Ekonometri, Econometrics, İşletme
