Özet:
Finansal piyasa tahmini her zaman büyük ilgi gören bir konu olmuştur ve gelecekteki
hareketi tahmin etmede kârlılık oldugu sürece cazip bir araştırma konusu olmaya
devam edecegi görülmektedir. Borsa tahmininin çekiciliği, yatırımcıların kısa sürede
büyük kârlar elde etmeleri için büyük bir potansiyel sunmasıdır. Büyük kazanç
sağlama potansiyeli sunarken aynı zamanda büyük kayıplara da neden olabilir. Çift
taraflı bir kılıç gibi, doğru kullanıldığında çok kârlıdır ve yanlış kullanıldığında çok
zararlı olabilir. Ancak insanlar genellikle kazançlı tarafa odaklanır ve zararlı tarafı
görmezden gelir.
Temel analistlerin büyük çoğunluğu teknik analistlerin tahminlerinin ve bu analizlerde
kullanılan teknik göstergelerinin anlamsız olduğuna inananlar da, son araştırmalar
hem profesyonellerin hem de bireysel tüccarların teknik göstergeleri kullandığını
ortaya koymaktadır.
Finansal piyasa yönünün doğru bir tahmini, öncelikle finansal zaman serilerinin doğrusal olmayan doğasından dolayı çok zorlayıcı bir faaliyettir. Derin öğrenme ve makine öğrenmesi yöntemleri ise insanların zorlandığı birçok alanda çok başarılı sonuçlar elde etmiştir.
Bu çalışmada, derin öğrenme ve makine öğrenmesi yöntemlerine teknik göstergeler
entegre edilip finansal piyasa yönünü tahmin etme başarısını artırmak için borsa
simsarlarının davranışları modellenmiştir. Borsa İstanbul ulusal 100 endeksinin
(BIST100) yakın gelecekteki (bir dönem sonraki) yönünü tahmin etmek için girdi
özellikleri olarak teknik analizdeki uygulamaları temel alınarak bir dizi teknik gösterge
incelenmistir.
Endeksin yönünü tahmin etmek için Derin Sinir Ağlar (DNN), Destek Vektör Makinesi
(SVM), Rastgele Orman (RF) ve Lojistik Regresyon (LR) sınıflandırma teknikleri
kullanılır.
Bu modellerin performansı, karışıklık matrisi, bileşik getiri ve maksimum düşüm gibi
çeşitli performans metriklerine göre değerlendirilmiştir.
