Analysis of the Relationship Between Cross Capital Flows and Stock Exchange Index with Machine Learning

Abstract

Bu çalışma, çapraz sermaye akımları analizini kullanarak BIST100 hisse senedi endeksinin tahminini araştırmaktadır. Finansal zaman serilerinin tahminindeki karmaşıklıkları ele almak için öznitelik mühendisliği ve Orthogonal Matching Pursuit (OMP) modeli kullanılmıştır. Önyargısız bir model sağlamak için gecikmeli değerler, hareketli ortalamalar ve volatilite ölçümleri gibi öznitelikler titizlikle seçilmiş ve normalize edilmiştir. OMP modeli, finansal verilerin çok boyutluluğu sorununu çözmek için optimize edilmiş ve seyreklik kısıtı aracılığıyla aşırı uyumdan kaçınılmıştır. Bu yaklaşımla, endeks varyansını yakalama yeteneğini gösteren 0.88 R-kare puanı elde edilmiştir. Gerçek ve tahmin edilen değerler arasındaki görsel karşılaştırmalar, modelin doğruluğunu teyit etmektedir. Bu makale, karmaşık örüntüleri ayırt edebilen ve yatırım stratejileri için değerli içgörüler sunan modeller geliştirmede metodolojik hassasiyetin önemini vurgulamaktadır. Çalışmanın sonuçları, sermaye hareketleri ve makroekonomik değişkenlerin, finansal piyasaların karmaşıklığına rağmen Borsa Endeksi tahmini için makine öğrenimi ile iyi bir uyumlu olduğunu göstermektedir.