A simple neuro fuzzy model for ISE 100 index prediction Yalin sinirsel bulanik bir model ile imkb 100 endeksi tahmini

OK Y., ATAK M., AKCAYOL M. A.

Journal of the Faculty of Engineering and Architecture of Gazi University, cilt.26, sa.4, ss.897-904, 2011 (SCI-Expanded) identifier identifier

  • Yayın Türü: Makale / Tam Makale
  • Cilt numarası: 26 Sayı: 4
  • Basım Tarihi: 2011
  • Dergi Adı: Journal of the Faculty of Engineering and Architecture of Gazi University
  • Derginin Tarandığı İndeksler: Science Citation Index Expanded (SCI-EXPANDED), Scopus
  • Sayfa Sayıları: ss.897-904
  • Anahtar Kelimeler: ISE 100 index prediction, ANFIS, neuro-fuzzy systems, MARKET, ANFIS
  • Atatürk Üniversitesi Adresli: Hayır

Özet

Bu çalışmada, İstanbul Menkul Kıymetler Borsası (İMKB) Ulusal 100 Endeksinin öngörülebilirliği geriye dönük olarak Adaptif Sinirsel Bulanık Çıkarım Sistemi (Adaptive Neuro Fuzzy Inference System - ANFIS) kullanılarak kurulan modeller ile test edilmiştir. Ayrıca endeksin tahmini için kullanılan girdilerin modele katkıları da tahmin performansı esas alınarak değerlendirilmiştir. Başarılı borsa tahmininde en önemli unsur, en az sayıda girdi ve en az karmaşık model ile en iyi sonucun elde edilebilmesidir. Bu bağlamda bu çalışmada çok fazla girdi değişkeni kullanılmasına gerek duyulmadan, İMKB 100 endeksinin ANFIS ile ne derece tutarlı tahmin edilebileceği gösterilmek istenmiştir. Bu amaçla, analiz dönemi olarak yaklaşık dört buçuk yıllık bir süre seçilmiş; iki girdili (dolar kuru ve gecelik faiz oranı) ve üç girdili (dolar kuru, gecelik faiz oranı ve işlem hacmi) olmak üzere iki farklı model kurulmuştur. ANFIS kullanılarak her iki model ile de belirleyicilik katsayısı yüksek olan, dolayısıyla tutarlı tahmin sonuçları elde edilmiştir. Elde edilen deneysel sonuçlar, ANFIS ile yalnızca iki girdi değişkeni kullanılarak, karmaşık bir modele gereksinim duyulmadan, İMKB 100 Endeksinin kısa dönemde öngörülebilir olduğunu göstermiştir.

In this paper, Istanbul Stock Exchange (ISE) National 100 Index retrospective predictability was tested by using the Adaptive Neuro Fuzzy Inference System (ANFIS). In addition, contribution of the inputs to the model for index forecasting was evaluated on the basis of prediction performance. The most important factor to successful stock market prediction is achieving best results using minimum required input data and the least complex stock market model. In this context, we aim to prove consistent prediction of ISE 100 index without having to use a lot of input variables with ANFIS. For this purpose, about four and a half year period was chosen as the analysis period; two input variables (the exchange rate and repurchasing interest rate) and three input variables (the exchange rate, repurchasing interest rate and trading volume) were established in two different models. Consistent prediction results have been obtained with high predictive factor with both of the models. As a result, that is concluded that the ISE 100 Index has short-term predictability using only two input variables, without the need for a complex model with ANFIS.