Forecasting stock market volatility using artificial neural networks
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye
Tezin Onay Tarihi: 2004
Tezin Dili: İngilizce
Öğrenci: MUSTAFA SERDAR YÜMLÜ
Danışman: SADIK FİKRET GÜRGEN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:HİSSE SENEDİ DEĞİŞEBİLİRLİĞİNİNYAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİMustafa Serdar YümlüBilgisayar Mühendisliği, Yüksek Lisans Tezi, 2004Tez Danışmanı: Prof. Dr. Fikret S. GürgenTez Danışmanı: Doç. Dr. Nesrin OkayHisse senetleri piyasası, kapitalist ülkelerin ekonomilerinde çok önemli bir roloynamaktadır. Milyonlarca insan hergün daha fazla kar elde edebilmek için alış/satışyapmaktadırlar. Bu noktada piyasanın geleceğini bilebilmek daha fazla önem kazanıyor.Borsada gelecek tahmini, olası kayıpların tahmin edilmesidir. Bu olasılık, ilgili piyasakatılımcısı için gelecek risk profilini oluşturur. Önemli olan bu riskin tahmini,ölçülebilirliği ve matematik normlarıyla ifade edilebilmesidir. Bu bağlamda zaman serisiiçindeki varyans ölçülür ve tahminler bunun üzerine gerçekleştirilir. Finans zaman serileri,direkt olarak ölçülemeyen şartlı varyans (volatilite) olarak bilinen zamana bağlı varyanssergiler.Biz bu çalışmada, yapay sinir ağları kullanarak volatilite modellemesi ve bumodellerle gelecek tahminleri üzerine odaklandık. Özellikle, yapay sinir ağlarının hissegetirilerinin risk tahminlerinde kullanımını araştırıyoruz. Geleneksel yöntemlerin aksine,volatilite içerisinde zamana bağımlı ilişkiyi yapay sinir ağları ile modelliyoruz.Karışık Uzmanlar içerisindeki böl ve yönet tekniği ile once uzayı gruplara ayırdık veher gruba bir yerel uzman atadık. Yerel uzmanlara kendi ilgi alanlarını öğreterek ve buyerel uzmanların çıktılarını kapı uzmanı aracılığıyla birleştirerek zaman içindeki ilişkiyimodelleyebildik ve bu tekniği İstanbul Menkul Kıymetler Borsası (İMKB) Ulusal 100endeksinin gelecek tahmininde kullandık. Ayrıca girdi ve çıktı uzayı arasındaki ilişkiyiTekerrür Eden Yapay Sinir Ağları' nın çoklu geribesleme mekanizması ile modelledik.Geleneksel ve sinirsel yöntemleri birleştirerek yeni modeller ortaya koyduk ve bütün bumodeller tanımlanmış kriterler ile test edilip karşılaştırıldılar. Sonuç olarak, KarışıkUzmanlar ve Tekerrür Eden Yapay Sinir Ağları' nın İMKB Ulusal 100 endeksinin günlükzaman serileri modellemesinde geleceği parlak volatilite modelleri olduğuna karar verdik.