Hibrit Regresyon Modelleri İle BİST’e Etki Eden G20 Endekslerinin Belirlenmesi

Abstract

Yatırımcılar için borsa endekslerinin yönelim tahmini endeksin etkilendiği çok fazla değişken olmasından dolayı zor olduğu kadar ihtiyaç duyulan bir konudur. Küresel olaylar, politika yapıcıların davranışları, ekonomik faktörler ile özellikle son dönemde görülen salgın hastalıklar endekslerin fazlasıyla değişkenlik göstermesine sebep olmuştur. Bu çalışmada parametrik olmayan regresyon modelleri ve hibrit yaklaşımları kullanarak BİST 100 endeksine etki eden G20 endeksleri incelenmiştir. Veri setinde 2010/01/01 ve 2019/12/31 tarihleri arasında endeks günlerinin açık olduğu ortak günler dikkate alınarak 2432 günlük kapanış değerleri kullanılmıştır. Bağımsız değişkenler Bovespa, İtaly40, KOSPI, Nikkei 225, BMVIIPC ve Shanghai endeksleri seçilmiştir. Çalışmada veri madenciliği uygulamaları Knime programı yardımıyla 30 bölütleme için en yüksek R2=0,9918 için en düşük MAE=0,0650, MSE=0,0082 ve RMSE=0,0903 değerleri bulunmuştur. Analiz sonuçlarına göre Bovespa, İtaly40, KOSPI, Nikkei 225 ve BMVIIPC endekslerinin BİST-100 endeksini pozitif yönlü olarak etkilediği, Shanghai endeksinin ise negatif yönlü etkilediği belirlenmiştir.

Keywords

• veri madenciliği
• büyük veri
• hibrit makine öğrenmesi
• regresyon
• data mining
• big data
• hybrid machine learning
• regression