Journal of Yaşar University
Yazarlar: Tamara KAYNAR, Öyküm Esra YİĞİT
Konular:Sosyal
DOI:10.19168/jyasar.947422
Anahtar Kelimeler:Öznitelik Mühendisliği,Makine Öğrenmesi,Finansal Zaman Serileri,Sınıflandırma
Özet: Finansal piyasaların ana çıktısı bir zaman serisi problemidir ve zaman serileri; doğaları gereği gürültülü, durağan olmayan ve kaotik bir yapı sergilemektedirler. Bu karmaşık yapı neticesinde zaman serilerinin gelecekteki davranışlarına ait öngörme süreci araştırmacılar açısından hayli zorlu bir çalışma alanıdır. Bu çalışmada BIST 100 endeksi günlük getiri yönünün tahmin edilmesinde kapsamlı bir öznitelik mühendisliği işlemi uygulanmış ve farklı makine öğrenmesi algoritmaları kullanılarak modellemeler gerçekleştirilmiştir. Modellere girdi olarak alınacak öznitelikler, serinin özetleyici istatistiklerine, örnekleme dağılımının ek karakteristiklerine ve serinin non-linear/komplex yapısını yansıtan gözlenen dinamiklerine bağlı olarak çıkartılmış ve dışsal değişken kullanmadan da sınıflandırma performanslarının oldukça yüksek olduğu gösterilmiştir. Farklı eğitim-test oranları kullanılarak tahminlerin dayanıklılığı araştırılmıştır.