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.
prediction stock price decision tree multiple regression random forest technical and basic indicators
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.
tahmin hisse senedi fiyatı karar ağacı çoklu regresyon rassal orman teknik ve temel gösterge
Birincil Dil | Türkçe |
---|---|
Bölüm | Makaleler(Araştırma) |
Yazarlar | |
Yayımlanma Tarihi | 17 Aralık 2019 |
Yayımlandığı Sayı | Yıl 2019 Cilt: 12 Sayı: 2 |
https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü | |
Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız. Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır: 1. Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir. 2. Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır. 3. Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır. 4. Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir. 5. İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir. 6. Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.
Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır. |