Yapay Zeka Teknikleriyle Hisse Senedi Fiyat Tahmini

Yapay Zeka Teknikleriyle Hisse Senedi Fiyat Tahmini Kısa Özet

Hisse senedi fiyatlarının tahmin edilmesi araştırmacılar, kurumsal yatırımcılar, fon yöneticileri ve bireysel yatırımcılar tarafından uzun süredir ilgi gören bir konudur. Hisse senedi fiyatları, ülke içi ve dışındaki ekonomik ortam, uluslararası durumlar, sektördeki beklentiler, finansal veriler gibi iç ve dış faktörler ile döviz kurları, faiz oranı, enflasyon, toplam ekonomik faaliyetler veya küresel fiyat endeksleri gibi çeşitli faktörlerden etkilenen dinamik, doğrusal olmayan bir süreç olmasından dolayı öngörülmesi zor bir konudur.  Borsaların istikrarlı gelişimi bir ülke için hayati önem taşımakta olup ulusal para ve maliyet politikalarından derinden etkilenmektedir. Bu anlamda hisse fiyatının doğru tahmin edilmesi yatırımcının kayıplarını azaltacak ve enflasyon veya piyasa ortalaması getirinin üstünde getiri sağlayacaktır. 
Bu çalışmada BIST 30’da 2008-2017 yılları arasında işlem gören firmaların hisse senetlerine ait 16 adet teknik indikatör, 8 adet borsa performans oranı ve 11 adet makroekonomik gösterge değişkenleri kullanılarak aylık hisse senedi fiyatlarının tahmin edilmesi için modeller kurulmakta, 2018-2020 dönemi arasında bu modeller yardımıyla hisselerin ileriye yönelik tahmin değerlerinin elde edilmesi amaçlanmaktadır. Her bir hisse senedinin fiyatını tahminlemek amacıyla PSO, ANT ve GA uygulaması yardımıyla 3, 4, 5, ….30 adet değişken seçilerek olası 20’şer farklı tahmin modelleri içerisinden en düşük RMSE değerine sahip en iyi tahmin modelleri oluşturulmuştur. Veri grubuyla gerçekleştirilen optimal tahmin modellerinin başarısını değerlendirmek için R2, MSE, MAPE, RRMSE ve VK istatistiki performans göstergeleri kullanılmıştır. Uygulanan algoritmaların tahmin sonuçları ile gözlenen hisse senedi değerleri arasında istatistiksel açıdan anlamlı bir farklılığın olup olmadığını belirlemek için Wilcoxon işaretli sıralar testi uygulanmıştır. Araştırmada kullanılan algoritmaların istatistiki performans kriterlerine göre sıralama yapılması için CRITIC, CODAS, MAIRCA ve TOPSIS yöntemleri uygulanmıştır. Çalışma sonucunda PSO’nun ANT ve GA uygulamasına göre daha başarılı tahmin performansı gösterdiği ortaya çıkmıştır. Yatırımcılar ve analizciler açısından önerdiğimiz tahminleme modelinin hisse senedi fiyatının belirlenmesinde kullanılmasının uygun olabileceği görülmüştür.