Derin öğrenme ve makine öğrenmesi yöntemleriyle borsa alım satım davranışlarının modellenmesi

Abstract

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.