Makro Ekonomik Ve Finansal Verilerin İmkb Endeksleri Üzerinde Etkisini Belirleyen Bir Tahmin Sistemi Geliştirilmesi

Abstract

Bu çalışmanın amacı, İMKB-100 endeks hareketlerini tahmin etmede; garısafi milli hasıla, sanayi üretim endeksi, kapasite kullanım oranı gibi makroekonomik değişkenlerin ve reel gösterge faiz oranı, döviz kurları, teknik göstergeler gibi finansal verilerin kullanılabililirliğinin araştırmaktır. Bilişim olanaklarının gelişmesiyle, finansal piyasaları tahmin modellemesi konusunda bir çok akademik çalışma yapılmış, ancak hiç birinde her dönem ve her piyasada kullanılabilir bir sistem oluşturulamamıştır. Zira endeks getirisinde, modellemede kullanılamayacak kadar çok değişkenin etkili olması söz konusudur. İstatistiksel araştırmalar sonucu, yabancı borsa endeksleri ve diğer finansal piyasalarla İMKB Hisse Senetleri Piyasası arasındaki ilişkiler tespit edilmiştir. Veriler, mevsimsel etkilerden arındırılarak normalizasyondan geçirildikten sonra, İMKB-100 endeksini tahmin etmede kullanılabilecek bir yapay sinir ağları modelini geliştirilebilmiştir. Tahmin çıktılarının kullanılabilirliği, YSA’ya dayalı işlem sistemlerinin geleneksel alım-satım sistemleriyle karşılaştırılmasıyla sınanmıştır. Bu çalışmada, yapay sinir ağlarıyla alım-satım işlemleri yapılarak geleneksel alım-satım sistemlerinin oldukça üzerinde bir dayanıklılık ve yüksek bir getiri (5 günlük hareketli ortalamalara dayalı sistem dışında) sağlanabilmiştir. Teknik analiz ve YSA dayalı sistemlerin birleştirilmesiyle, pasif al-tut sistemi getirisinin % 8,11 olduğu test döneminde, %34,11’lik bir getiri ve 2,35 lik stirling oranlarına sahip bir sistem geliştirebilmiştir. Böylece finansal zaman serileri analizi konusunda ileride yapılacak çalışmalarda yararlanabilecek bir kaynak oluşturulmuştur.

The aim of this study was to evaluate the effectiveness of using macroeconomic external indicators such as; gross national product, industrial production level, capacity utilization rate and financial data such as; real benchmark, currency exchange rates, technical indicators, in predicting movements in the Istanbul Stock Exchange 100 Index (ISE-100). In the last decate, with the growth of computational facilities, there are many academic attempt modeling financial market prediction. But non of them works for each periods and each market. The cause of this, is the return of the index represents huge sort of data that may not be calculated in the models. Using statistical investigation we find causal relations between some indicators including global financial market indexes, inflation, tecnical indicators and the Turkish Security market. After removing seasonal impacts and normalizing the input variables, we developed an artificial neural networks model for the short-term ISE-100 Index prediction. Performance of the forecasting model’s outputs is examined with comparison of the ANN based trade systems against traditional trading systems. In the experiments discussed here, it has been achieved a very high return (out of the 5days moving average system) and robustness by the ANN trading system in comparison with traditional trading systems. It has been obviously performed a system that has a %34,11 return and stirling rate of 2,35 by combining technical analysis and ANN based systems whereas passive buy-and-hold system had %8,11 return in the test period. A substantial dataset has been compiled and is available to other researchers interested in analysing financial time series.