A data mining model for predicting stocks that will outperform the IMKB using fundamental analysis

Abstract

Hisse senedi fiyat hareketlerini tahmin yöntemleri genel olarak ikiye ayrılmaktadır.Fiyatların belli bir piyasadaki arz ve talebini etkileyen faktörleri inceleyen ?teknik analiz?ile firmanın temel özelliklerini inceleyen temel analiz baslıca hisse senedi fiyathareketleri tahmin methodlarıdır.Bu tezde amacımız yıl sonunda İstanbul Menkul Kıymetler Borsası 100 Endeksinden(IMKB 100) belli bir oran fazla getirecek hisseleri denetlenen yıl sonu bilançolarınınaçıklanmasının ardından (Subat 15 veya daha once) seçmektir. Seçilen hisselerin 1 Marttarihinde alınıp 31 Aralık tarihinde satıldıgını varsayıyoruz. Analize girecek hisseleriseçerken finans sektörü ya da IMKB 30 hisseleri seçilmemistir.Bu amaçla temel analizin en büyük girdilerinden biri olan yıllık sirket bilânçolarındanelde edilen çesitli finansal oranlar kullanılarak bir veri madenciligi modeliolusturulmustur. Bu amaca yönelik olarak temel analizin en önemli faktörlerinden olanyaygın olarak kullanılan 75 oran seçilmistir. Bu oranların yanı sıra 225 yeni sentetikdegisken olusturulmustur. Hisselerin fiyatlarını tahmin etmeye uygun finansal oranlarıseçmek için Student t-test kullanılmıstır. Istanbul Menkul Kıymetler Borsası 100endeksinden seçilen sirketlerin 1997 ile 2005 yılları arasındaki yıllık bilançolarından eldeedilen veri kullanılarak t-testini geçen oranlar normalize edilmistir. Fisher lineerdiskriminant analizi sayesinde de her rasyonun katsayısı belirlenmistir. Modelindogrulugunu artırmak amacıyla bu asamayı geçen hisse senetleri ile yeni bir LineerDiskriminant analizi yapılarak modelin ikinci ve üçüncü asamaları olusturulmustur.Buna göre bir firmanın yeni bilanço verileri geldigi zaman bu veriler, üç adımlı modeldenpozitif sonuç veriyorsa, bu hisselerin IMKB 100 endenksini en az %10 geçmesibeklenmektedir.

There are two distinct techniques used for estimating stock market movements generally.One of them is ?technical analysis?, which is based on the study of factors that affect thesupply and demand of a particular trading market, and the second is ?fundamentalanalysis?, which is based on firms? fundamental characteristics.In this thesis, our goal was to pick stocks that would outperform the Istanbul StockExchange 100 Index (ISE 100) by a certain percentage at the end of the year theindependently audited end-of-year balance sheets are announced (on or before Feb 15).We assume that we buy the selected stocks on March 1st and sell them on Dec 31st. Wedid not pick any stocks from the financial sector or from stocks within ISE 30 byconstruction.For this purpose, a data mining model was constructed by using only the financial ratiosthat were obtained from end-of-year balance sheets. These 75 ratios are known to besome of the most important fundamental analysis factors. Moreover, 225 new syntheticvariables were also constructed. Student?s t-test was used in order to select theappropriate ratios for the prediction of stock prices. The ratios that passed the t-test werenormalized by using the selected firms? balance sheets? data, which include the timeperiod between 1997 and 2005. By means of Fisher?s Linear Discriminant Analysis, thecoefficient of each ratio is determined. Then, by a new linear discriminant analysis on thestocks that passed those processes, the second and third phases of the model wereconstructed to increase the precision.According to this thesis, when a firm?s end-of-year balance sheet?s data pass this 3-stepmodel, those stocks are expected to outperform ISE 100 by at least 10%.