Makine Öğrenmesi ile Çok Terimli Hisse Senedi Yönlü Tahmini; Bıst100 Örneği

Abstract

In this study, a study was conducted to predict the direction of medium-term stocks. Pegasus stock from the transportation sector and Işbank stock from the banking sector are the stocks used in the study with the latest five-year BIST100 data while doing this study.Using two separate data sets for these two companies in the BIST100 index, the results will be compared with each other. These data were compared with two different machine learning algorithms. These algorithms are an artificial neural network and an LSTM model called long short-term memory. The data were obtained from the data base of the JUL Program. For the data covering the last five years, a decomposition was performed in order to make the results more meaningful. The analysis of the data sets was carried out primarily on the Excel platform, and then using the MATLAB platform, using the formulas written, by training the data. In the study, machine learning algorithms were used to make directional estimation of stocks based on the closing prices of the data. The data were trained using the artificial neural network (ANN), which is one of the machine learning algorithms, and the LSTM model, which is the recurrent neural network (RNN) architecture. The prediction accuracy of the trained data was compared with each other.

Bu çalışmada orta vadeli hisse senetlerinin yönlü tahmini için çalışma yapılmıştır. Bu çalışmayı yaparken son beş yıllık BİST100 verileri ile, ulaşım sektöründen Pegasus hisse senedinin ve bankacılık sektöründen İş Bankası hisse senedi, çalışmada kullanılan hisse senetleridir.BİST100 endeksindeki bu iki şirket için iki ayrı veri seti kullanılarak, çıkan sonuçlar birbiri ile karşılaştırılacaktır. Bu veriler iki farklı makine öğrenmesi algoritması ile karşılaştırılmıştır. Bu algoritmalar yapay sinir ağı ve uzun kısa süreli bellek diye anladırılmış LSTM modelidir. Veriler, İdeal Programının veri tabanından temin edilmiştir. Son beş yılı kapsayan veriler için, sonuçların daha anlamlı olması adına ayrıştırma yapılmıştır. Veri setlerinin analizi, öncelikli olarak Excel platformunda, sonrasında ise MATLAB platformu kullanılarak, yazılan formüller üzerinden, veriler eğitilerek yapılmıştır. Çalışma, verilerin kapanış fiyatları üzerinden hisse senetlerinin yönlü tahminini yapabilmek için, makine öğrenmesi algoritmaları kullanılmıştır. Makine öğrenmesi algoritmalarından olan Yapay sinir ağı (YSA) ve tekrarlayan sinir ağı (RNN) mimarisi olan LSTM modeli kullanılarak veriler eğitilmiştir. Eğitilen verilerin tahmin doğrululuğu birbirleri ile kıyaslanmıştır.