{"title":"Prediction of Borsa Istanbul 100 Index Direction via Deep Learning Based Image Classification Approach","authors":"Yahya Altuntas, Fatih Kocamaz","doi":"10.53070/bbd.1399935","DOIUrl":null,"url":null,"abstract":"Borsa endeksleri, genel ekonomik performansı yansıttıkları için yatırımcılar tarafından yatırım kararları alırken önemli bir referans olarak kullanılırlar. Ayrıca, portföy yönetim şirketlerinin endeksleri replike eden yatırım fonları, hisse senetleri gibi gerçek zamanlı olarak alınıp satılabilir. Bu nedenle, borsa endeksinin gelecekteki yönünü tahmin etmek, yatırımcılar için kritik bir öneme sahiptir. Bu çalışmada, Borsa İstanbul 100 (BIST100) endeksinin yön tahmininde derin öğrenme tabanlı bir görüntü sınıflandırma yaklaşımı önerilmiştir. İlk olarak, günlük BIST100 endeks değerleri bir sonraki günün endeks değeri ile karşılaştırılarak yukarı ve aşağı şeklinde etiketlendi. Etiketlenen veriler daha sonra teknik analiz göstergeleri kullanılarak grafik görüntülerine dönüştürüldü. Tahmin modeli için, ön-eğitimli evrişimsel sinir ağı (CNN) modelleri olan AlexNet, GoogLeNet ve ResNet-50, problemle uyumlu hale getirilmek üzere ince ayarlandı. Eğitim dışı bırakılan üç yıllık dönem boyunca ince-ayarlama yapılmış AlexNet, GoogLeNet ve ResNet-50 modelleri sırasıyla %54,22, %53,01 ve %54,62 doğruluk değerleri ile BIST100 endeks yönünü tahmin edebilmiştir. Ayrıca, modellerin performansını değerlendirmek için Naive karşılaştırma yöntemi kullanıldı. Deneysel sonuçlar, ince ayarlı her üç CNN modelinin Naive karşılaştırma yönteminden daha iyi sonuçlar elde ettiğini göstermektedir.","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-12-13","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Computer Science","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.53070/bbd.1399935","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Borsa endeksleri, genel ekonomik performansı yansıttıkları için yatırımcılar tarafından yatırım kararları alırken önemli bir referans olarak kullanılırlar. Ayrıca, portföy yönetim şirketlerinin endeksleri replike eden yatırım fonları, hisse senetleri gibi gerçek zamanlı olarak alınıp satılabilir. Bu nedenle, borsa endeksinin gelecekteki yönünü tahmin etmek, yatırımcılar için kritik bir öneme sahiptir. Bu çalışmada, Borsa İstanbul 100 (BIST100) endeksinin yön tahmininde derin öğrenme tabanlı bir görüntü sınıflandırma yaklaşımı önerilmiştir. İlk olarak, günlük BIST100 endeks değerleri bir sonraki günün endeks değeri ile karşılaştırılarak yukarı ve aşağı şeklinde etiketlendi. Etiketlenen veriler daha sonra teknik analiz göstergeleri kullanılarak grafik görüntülerine dönüştürüldü. Tahmin modeli için, ön-eğitimli evrişimsel sinir ağı (CNN) modelleri olan AlexNet, GoogLeNet ve ResNet-50, problemle uyumlu hale getirilmek üzere ince ayarlandı. Eğitim dışı bırakılan üç yıllık dönem boyunca ince-ayarlama yapılmış AlexNet, GoogLeNet ve ResNet-50 modelleri sırasıyla %54,22, %53,01 ve %54,62 doğruluk değerleri ile BIST100 endeks yönünü tahmin edebilmiştir. Ayrıca, modellerin performansını değerlendirmek için Naive karşılaştırma yöntemi kullanıldı. Deneysel sonuçlar, ince ayarlı her üç CNN modelinin Naive karşılaştırma yönteminden daha iyi sonuçlar elde ettiğini göstermektedir.