Bayes teoremi ve yapay sibir ağları modelleriyle borsa gelecek değer tahmini uygulaması
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Borsa, sadece serbest piyasa içinde yer alan bir yatırım amacı değil, aynı zamanda ekonominin nabzını ölçen bir göstergedir. Borsa ve dolayısıyla hisse senetleri ile fonlar, uzun zamandır yatırımcılar, araştırmacılar ve bilim dünyası için çok önemli ve gizemini koruyan bir konu olmuştur. Borsa sayesinde, yatırımlarını doğru değerlendirebilenler büyük kazançlar sağlayabilmişken, çok büyük kayıplar yaşayanlar da olmuştur. Böyle büyük kazanç ve kayıplar söz konusu iken, yatırımcıların doğru tahmin yapabilmeleri için yardımcı bir destek sistemi kullanma ihtiyacı doğmuştur. Bu çalışmada, bir yatırım aracı olan borsa içinde yer alan ve ETF adı verilen fonlar için, teknik analiz ve karar destek sistemleri tasarlanmış ve bu sistemlerin başarımları kıyaslanmıştır. Bu amaçla, sistemde kullanılan her ETF'in kapanış değerleri kullanılarak teknik analiz yöntemleri kullanılmış ve bu yöntemlerle bir uzman sistem tasarlanarak ETF'lerin ertesi günkü değerleri tahmin edilmeye çalışılmıştır. Ayrıca, başarım karşılaştırması için, teknik analiz sonuçları bir yapay sinir ağına (YSA) girdi olarak verilmiş ve yine ertesi günü tahmin etmeye çalışan bir karar destek sistemi oluşturulmuştur. Stock market is not only an investment tool in free market, but also is an indicator of the economic statuses of the countries. Stock market, and thus stocks and funds have been a very important and mysterious subject among investors, researchers and economists. People who made the correct investments have gained enormous profits whereas people who could not. Therefore, a need for a decision support system have arisen in a such important decision making process. In this study, technical analysis and decision support systems for the funds named as ETFs which exist in stock market, were designed and performances of these systems were compared. Thus, technical analysis methods were applied by using the daily closing values of each ETFs and the next day value of the ETFs were tried to be predicted. Besides, for the sake of performance comparison, technical analysis results were given as input to an artificial neural network and another decision support system was created. Finally, the results of these two systems were compared.
Collections