Yapay sinir ağları ile borsa endeksi tahmini: Gana Borsası üzerine bir uygulama
Yükleniyor...
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Sosyal Bilimler Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Gana Menkul Kıymetler Borsası 1989 yılında resmi olarak kurulmuştur. Gana'nın borsaları otuz yıllık bir kalkınma yolculuğu geçirmiştir. İstikrarsız borsa, bilimsel olmayan yatırımlar ve zararlı yatırımların ara sıra olan vakaları tüm piyasayı yüksek riskle karşılar ve kurumlara ve bireylere ciddi zorluklar öngörür. Bu tez, araştırma hedefi olarak GSE Kompozit Endeksini seçmektedir, yapay zeka metotlarının uygulamaları aracılıyla ampirik analizi yönetir, bir ekonomik bakış açısından bu endeksin hatlarını oluşturur. Bu tezde, mevcut tarihsel verilere dayanarak Gana Menkul Kıymetler Borsası Kompozit endeksini tahmin etmek için Çok Katmanlı Algılayıcı (MLP), Evrişimli Sinir Ağları (CNN)ve Uzun Kısa Süreli Bellek (LSTM) olmak üzere üç tür derin öğrenme mimarisi kullanmaktayız. Bu deneyin veri seti, 02 Ocak 2015 - 31 Aralık 2019 tarihleri arasında Gana Borsası'nın Kompozit Endeksinin günlük değerlerinden oluşmaktadır. İlk dört yılın (2015-2018) günlük değerleri, her bir modeli eğitmek için kullanılmakta ve son yıl yani 2019'a ait verilerin geri kalanı, modeller için test veri kümesi olarak kullanılmaktadır. Egzersiz verileri ve test verileri sırasıyla% 80 ve% 20'ye karşılık gelmektedir. Sonuçlar, CNN'nin GSE-CI tahminleri için en iyi seçim olduğunu göstermektedir. Bununla birlikte, MLP ve LSTM GSE-CI tahmininde kötü performans göstermemektedir.
The Ghana Stock Exchange was formally established in 1989, Ghana's stock market has gone through a development journey of three decades. The unstable stock market, unscientific investments and occasional event of malignant investment make the whole market full of high risk, and propose sever challenges to institutions and individuals. The thesis selects the GSE Composite Index as research objective, through the application of Artificial intelligence methods to conduct empirical analysis, carving the features of this index from an econometric perspective. In this thesis, we used three types of deep learning architectures namely Multilayer Perceptron (MLP), Convolution Neural Network (CNN) and Long Short-Term Memory (LSTM) for predicting the Ghana Stock Exchange composite index based on the historical data available. The dataset for this thesis consist of the daily values of the Composite Index of the Ghana stock Exchange from the 02 January 2015 to 31 December 2019. The daily values of the first four years (2015 - 2018) are used to train each model and the rest of the data for the last year, 2019, is used as the test dataset for the models. The training and test data correspond to 80% and 20% of the entire data respectively. The results indicate that CNN is the best choice for the predictions of the GSE-CI. However, MLP and LSTM do not perform badly in predicting GSE-CI.
The Ghana Stock Exchange was formally established in 1989, Ghana's stock market has gone through a development journey of three decades. The unstable stock market, unscientific investments and occasional event of malignant investment make the whole market full of high risk, and propose sever challenges to institutions and individuals. The thesis selects the GSE Composite Index as research objective, through the application of Artificial intelligence methods to conduct empirical analysis, carving the features of this index from an econometric perspective. In this thesis, we used three types of deep learning architectures namely Multilayer Perceptron (MLP), Convolution Neural Network (CNN) and Long Short-Term Memory (LSTM) for predicting the Ghana Stock Exchange composite index based on the historical data available. The dataset for this thesis consist of the daily values of the Composite Index of the Ghana stock Exchange from the 02 January 2015 to 31 December 2019. The daily values of the first four years (2015 - 2018) are used to train each model and the rest of the data for the last year, 2019, is used as the test dataset for the models. The training and test data correspond to 80% and 20% of the entire data respectively. The results indicate that CNN is the best choice for the predictions of the GSE-CI. However, MLP and LSTM do not perform badly in predicting GSE-CI.
Açıklama
Anahtar Kelimeler
Gana Menkul Kıymetler Borsası, Kompozit endeks, Ghana Stock Exchange, Composite index
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Yussif, A. R. B. (2020). Yapay Sinir Ağları ile Borsa Endeksi Tahmini: Gana Borsası Üzerine Bir Uygulama. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Sosyal Bilimler Enstitüsü, Konya.
