Uzun kısa süreli hafıza ve geçitli yinelenen birim ileborsa İstanbul 100 endeks değeri tahmini üzerine bir uygulama

Abstract

Fiyat tahmini finansal piyasalar için oldukça önem arz etmektedir. Piyasa profesyonelleri ve araştırmacıların her zaman ilgisini çekmiştir. Bu kapsamda araştırmacılar çeşitlik modeller geliştirmişlerdir. Fiyat tahminde temel analiz, teknik analiz gibi çeşitli yöntemler aktif olarak kullanılıyor olsa da finansal varlıkların doğası gereği tutarlı sonuçlar elde etmek oldukça zordur. Gelişen teknoloji ile beraber artan bilgisayarların işlem güçleri de artmış, buda finansal piyasalarda fiyat tahmini için makine öğrenmesi algoritmalarının kullanılabilmesine olanak sağlamıştır. Bu çalışmada makine öğrenmesinin bir alt dalı olan derin öğrenme yöntemleri ile finansal varlıklar için fiyat tahmininde bulunulması amaçlanmıştır. Çalışmada Borsa İstanbul 100 endeksine ait 2001-2018 yıllarına arasında günlük kapanış değerleri kullanılmıştır. Bu değerlerden yola çıkarak endeksin gelecekteki yönü ve değeri tahmin edilmeye çalışılmıştır. Tahmin yöntemi olarak yinelenen sinir ağı algoritmaları olan uzun kısa süreli hafıza ve geçitli yinelenen birim yöntemleri kullanılmıştır. Elde edilen sonuçlar üzerinden bu iki yöntem birbiriyle karşılaştırılmış ve geçitli yinelenen birim yönteminin daha başarılı tahmin sonuçları verdiği gözlemlenmiştir.

Price forecasting is very important for financial markets. It has always attracted the attention of market professionals and researchers. In this context, researchers have developed various models. Such as basic analysis and technical analysis are used actively in price estimation, it is difficult to obtain consistent results due to the nature of financial assets. The computing power of computers increased with the technology, which enabled the use of machine learning algorithms for price forecasting in financial markets.In this study, it is aimed to forecast prices for financial assets by using deep learning methods which is a sub-branch of machine learning. Daily closing values of Borsa İstanbul 100 Index between 2001-2018 were used in this study. Based on these values, the future direction and value of the index was tried to be estimated. Long – short term memory and gated recurrent unit methods which are recurrent neural network algorithms are used as estimation method. These two methods were compared with each other and it was observed that the gated recurrent unit method yielded more successful estimation results.