Makine Öğrenmesi Teknikleri İle Banka Hisse Senetlerinin Fiyat Tahmini

Zinnet Duygu AKŞEHİR; Erdal KILIÇ

Article Details

Makine Öğrenmesi Teknikleri İle Banka Hisse Senetlerinin Fiyat Tahmini

Authors:

Zinnet Duygu AKŞEHİR | Erdal KILIÇ

Publisher:

Türkiye Bilişim Vakfı

Journal:

TBV Journal of Computer Science and Engineering 2019 Vol.12 Issue 2, pp.30-39

Document Type:

Article

Publication Date:

12/2019

Document Language:

Turkish

Document ID (Org No.):

2000700842

Frequency:

Bi-Annual

eISSN:

2618-5997

pISSN:

1305-8991

Abstract:

 


It is a difficult problem to predict the one-day next
closing price of bank stocks. Because there are many factors affecting stock
prices. In this study, using data from 1 January 2016 to 9 May 2019 date and  some bank stocks have been tried to predict the closing prices of the next
day.  The decision tree, multiple
regression, and random forest methods were used in developing the estimation model
due to finding linear patterns in stock movements. Two different sets of input
variables were used for the models created with these methods. There are 50
indicators consisting of 46 techniques and 4 fundamental indicators in the
first input variable set. The second input variable set, as a result of the
reduction in technical indicators there is a total of 33 indicators consisting
of 29 technical indicators and 4 basic indicators. For these two different
input variable sets, the estimation performance of both models was evaluated by
the R2 criteria. When the R2 results were analyzed, it was seen that the reduction in
the technical indicator had a positive effect on the predictive performance of
the models.

.

 


Banka hisse
senetlerinin bir gün sonraki kapanış fiyatını tahmin etmek zor bir problemdir. Çünkü
hisse senetleri fiyatlarını etkileyen çok sayıda etken vardır. Bu çalışmada 1
Ocak 2016 - 9 Mayıs 2019 tarihleri arasındaki veriler ele alınarak bazı banka
hisse senetlerinin bir gün sonraki kapanış fiyatları tahmin edilmeye
çalışılmıştır. Hisse senedi hareketlerinde doğrusal örüntülere rastlanması
sebebiyle tahmin modeli geliştirilirken karar ağacı, çoklu regresyon ve rassal
orman yöntemlerinden yararlanılmıştır. Bu yöntemlerle oluşturulan modeller için
iki farklı girdi değişken kümesi kullanılmıştır. Birinci veri kümesinde, 46
teknik ve 4 temel göstergeden oluşan toplam 50 gösterge vardır. İkincisi ise
teknik göstergelerde yapılan indirgemeler sonucunda 29 teknik gösterge ve 4
temel göstergeden oluşan toplam 33 göstergeden meydana gelmektedir. Bu iki
farklı girdi değişken kümesi için her iki modelin tahmin performansı R2
ölçütü ile değerlendirilmiştir. R2 sonuçları incelendiğinde, teknik
göstergede yapılan indirgemenin modellerin tahmin performansını olumlu yönde
etkilediği görülmüştür.


.

Article Details

Makine Öğrenmesi Teknikleri İle Banka Hisse Senetlerinin Fiyat Tahmini

Authors: Zinnet Duygu AKŞEHİR | Erdal KILIÇ

Publisher: Türkiye Bilişim Vakfı

Journal: TBV Journal of Computer Science and Engineering 2019 Vol.12 Issue 2, pp.30-39

Document Type: Article

Publication Date: 12/2019

Document Language: Turkish

Document ID (Org No.): 2000700842

Frequency: Bi-Annual

eISSN: 2618-5997

pISSN: 1305-8991

Issues

Authors:

Zinnet Duygu AKŞEHİR | Erdal KILIÇ

Publisher:

Türkiye Bilişim Vakfı

Journal:

TBV Journal of Computer Science and Engineering 2019 Vol.12 Issue 2, pp.30-39

Document Type:

Article

Publication Date:

12/2019

Document Language:

Turkish

Document ID (Org No.):

2000700842

Frequency:

Bi-Annual

eISSN:

2618-5997

pISSN:

1305-8991