AŞIRI ÖĞRENME MAKİNELERİ İLE HİSSE SENEDİ FİYAT TAHMİNİ

Abstract

Hisse senedi fiyatlarının doğru bir şekilde tahmin edilebilmesinin birçok faydalı tarafları mevcuttur. Yapay sinir ağları hisse senedi fiyat tahmininde başarıyla kullanılan yöntemlerden biridir. Fakat öğrenme sürecinin yavaş olması, kullanıcının birçok parametreye karar vermek zorunda olması bu yöntemin dezavantajlarını oluşturmaktadır. Bu olumsuz durumları ortadan kaldırmak için Aşırı Öğrenme Makineleri (AÖM) adı verilen yöntem geliştirilmiştir. Literatürde henüz farklı çeşitlerde aktivasyon fonksiyonu içeren AÖM modellerinin hisse senedi tahmin performansı üzerindeki etkisi incelenmemiştir. Bu çalışmada on dört farklı aktivasyon fonksiyonunun kullanıldığı modeller oluşturulmuş ve modellerin performansları istatistik-sel ve finansal açıdan değerlendirmeye tabi tutulmuştur. Çalışmada Goodyear, Amazon ve Wal-Mart isimli şirketlere ve SP500 Endeksine ait geçmiş fiyat ve işlem hacmi bilgilerini kullanmak suretiyle 12 adet teknik gösterge hesaplanmış ve modellerin girdi değişkeni olarak kullanılmıştır. Çıktı değişkeni ise bir sonraki güne ait kapanış fiyatlarını içermektedir. Modellerin performansı geleneksel yapay sinir ağları modeli ile karşılaştırılmıştır. Sonuçta %59.32 ‘ye varan oranda fiyatların yönü doğru bir şekilde öngörülebilmiştir. Ayrıca kâğıt üzerinde, al ve tut stratejisinden daha yüksek oranda getiriler elde edilmiştir. Sonuçlar, AÖM modelinin hisse senedi fiyat tahmininde güçlü bir alternatif olduğunu göstermektedir.