Borsa İstanbul Hisse Senedi Getirilerinin ANFIS Aracılığıyla Tahmin Edilmesi

Creative Commons License

Sarı S. S., Yiğiter Ş. Y.

Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (Online), cilt.4, sa.1, ss.171-193, 2020 (Hakemli Dergi)

Özet

Bu çalışmada, hisse senedi getirilerinin yatırımcı duyarlılığı aracılığı ile tahmin edilmesi ve yatırımcı duyarlılığının yatırımcıların davranışları üzerindeki etkisinin ortaya konması amaçlanmaktadır. Tahmin için geliştirilen modellerde bağımlı değişken olarak BİST 100 Getiri Endeksi, bağımsız değişken olarak ise yatırımcı duyarlılığını temsil eden değişkenler (işlem hacmi, işlem görme oranı vb.) kullanılmıştır. Veriler bulanık mantık (ANFIS) yöntemi ile analiz edilmiştir. Yapılan analizlerde, 2007- 2018 yılları arasındaki aylık veriler dikkate alınmıştır. Değişkenlere ait toplanan 144 aylık verinin %70’lik kısmı eğitim verisi olarak, %30’luk kısmı ise matematiksel modellerin tahmin başarısını ölçmek için kullanılmıştır.
Elde edilen sonuçlar, yatırımcı duyarlılığının hisse senedi getirilerini tahmin etme konusunda başarılı olduğu göstermektedir. Özellikle işlem hacmi ve işlem görme oranı değişkenleri hisse senedi getirilerini önemli ölçüde tahmin edebilmiştir. Yatırımcı duyarlılığını ölçen değişkenler arasında tahmin gücü en düşük olan değişken, ortalama fon akışı değişkenidir. Sonuçlar genel olarak, BİST 100 Getiri Endeksinin yatırımcı duyarlılığı aracılığıyla tahmin edilebildiğini ortaya koymaktadır. 

In this study, it is aimed to estimate the stock returns through investor sentiment and to reveal the effect of investor sentiment on investors' behavior. In the models developed for estimation, BIST 100 Return Index was used as the dependent variable, and variables representing investor sentiment (trading volume, rate of transaction etc.) were used as independent variables. The data were analyzed with fuzzy logic (ANFIS) method. In the analyses made, monthly data between 2007 and 2018 were taken into consideration. 70% of the 144 monthly data of the variables were used as training data and 30% of them were used in order to measure the prediction success of mathematical models. The obtained results show that investor sentiment is successful in estimating stock returns. In particular, the trading volume and rate of trading variables were able to predict stock returns significantly. Among the variables measuring investor sentiment, the variable with the lowest predictive power is the average fund flow variable. The results generally reveal that the BIST 100 Return Index can be estimated through investor sentiment.