Finansal Oranlı Yapay Sinir Ağı Modeli ile Hisse Değeri Değişimi Tahmini

Abstract

Hisse senedi değerinin tahmin edilmesi, ekonomi piyasalarının barındırdığı belirsizlik, kaotik yapı ve gürültü nedeniyle oldukça güçtür. Ayrıca hisse senedi değerleri üzerindeki siyasi gelişmeler, ekonomik kırılganlıklar, küresel etkiler, teknolojik gelişmeler ve yatırımcı tercihleri gibi birçok faktörün etkisi de, değer tahminlerini oldukça zorlaştırmaktadır. Ancak bu alanda iyi bir tahmin modeli geliştirmenin zorlukları sebebiyle meydan okuyucu doğası, başarılı bir modelin maddi getiriye somut katkısı gibi nedenler problemi araştırmacılar için bir o kadar da çekici kılmaktadır. Çok kaynaktan veri akışı olan borsa gibi kaotik ortamlarda geleceğe dönük tahminler üretmede makine öğrenme algoritmalarının başarılı oldukları bilinmektedir. Bu çalışmada ise Borsa İstanbul'da işlem gören farklı kriterlere göre seçilmiş üç hisse senedinin değer tahmini geliştirilen Yapay Sinir Ağı modeli ile Destek Vektör Makineleri, Lojistik Regresyon, Rasgele Orman ve Naive Bayes Sınıflandırıcı makine öğrenmesi algoritmaları kullanılarak ele alınmış ve performansları kıyaslanmıştır. Şirket performanslarını değerlendirmede sıklıkla kullanılan 18 finansal oran ve 102 diğer bağımsız değişken girdi olarak kullanılarak 2009-2018 dönemi aylık hisse senedi getiri oranları sınıflandırılarak tahmin edilmiştir. Yapılan analizler önerilen yapay sinir ağı algoritmasının belirlenen değişkenlerle ve dönemde diğer algoritmalara alternatif olarak kullanılabilecek bir sınıflandırıcı olduğunu göstermiştir.Forecasting stock prices is quite difficult due to uncertainty, chaotic nature and noise in financial markets. The aggregated impact of factors such as political instabilities, financial fragility, international financial integrity, technological developments and change in investor risk preferences make the estimation of stock prices harder. However, the challenge of developing a good estimation model in such an environment, the positive contribution of a successful model to the return of investment make the problem attractive for researchers. It is known that machine learning algorithms are useful in generating predictions in such chaotic environments as stock market, which have multiple sources of data flow. In this study, three stocks traded in Borsa İstanbul are selected according to different criteria and price estimation performances of proposed Artificial Neural Network model together with known Support Vector Machines, Logistic Regression, Random Forest and Naive Bayes Classifier machine learning algorithms are compared. 18 financial ratios frequently used in evaluation of company performances with 102 other independent variables are used as inputs and monthly rate of return of stocks in 2009-2018 period are classified and estimated. Analyses on given period have shown that the proposed artificial neural network algorithm is a classifier that can be used as an alternative to other algorithms for stock market forecasting.