A Comparision of Neural Network and Linear Regression Forecasts of the ISE-100 Index

Abstract

Son yıllarda yapay sinir ağları modelleri gerçek hayatın pekçok problemlerini çözmede başarılı bir şekilde kullanılmaktadır. Özellikle son on yılda yapay sinir ağları modelleri iflas tahmini, portföy oluşturma, kredi analizleri ve hisse senedi piyasasi tahminleri gibi finansal problemleri çözmede de uygulanmaktadır. Bu çalışma İMKB 100 endeksinin günlük ve seanslık getirilerinin yapay sinir ağları ve regresyon modeli ile tahminlerinin karşılaştırmasını yapmaktadır. Çalışmada ilk olarak regresyon tekniği kullanılarak girdiler belirlenmiş ve aynı değişkenler kullanılarak yapay sinir ağı oluşturulmuştur. Bu iki yöntem ortalama hatalar karesi, Normalleştirilmiş ortalama hatalar karesi ve trend doğruluğu değerlerine bakılarak karşılaştırılmıştır. Performans kriterleri İMKB-100 endeksinin getirilerini tahmin etmede yapay sinir ağları modelinin daha başarılı olduğunu göstermiştir.

In recent years the artificial neural network models have been successfully applied to solve many the real life problems. Especially for the last decade, the artificial neural network models have been applied to solve financial problems like bankruptcy prediction, portfolio construction, credit assessments and stock market forecasting. This study examines the comparison of artificial neural network models and stepwise linear regression forecasting the daily and sessional returns of the ISE-100 index. By using stepwise regression inputs is selected then the same inputs is used in the neural network. Both methods are compared on the basis of mean squared error, normalized mean squared error and trend accuracy measures. Relying the findings of this study, it is concluded that the artificial neural network model is better than stepwise linear regression.