An Integrated Wavelet Transform-Convolutional Neural Network Based Deep Learning Approach and An Application On Stock Exchange Estimation

Abstract

Finansal tahminleme çalışmalarında üzerinde en fazla çalışılan konulardan biri borsa tahminidir. Risk yoğun bir yatırım aracı olan borsa için iyi bir tahmin aracının veya metodolojisinin geliştirilebilmesi yatırımcılar için paha biçilemez önemdedir. Bu çalışmada, Borsa İstanbul Sınai endeksi günlük verisi ile bir borsa tahmini çalışması gerçekleştirilmiş ve borsanın açık olduğu 5.000 günlük (31.12.2001-31.12.2021) endeks açılış fiyatları kullanılarak tahmin için 3 model kurulmuştur. Model 1.’de 1 gün geriden gelen değerlerle, Model 2.’de 3 gün geriden gelen değerlerle ve Model 3.’de ise 7 gün geriden gelen değerlerle tahmin yapmıştır. Tahmin yöntemi olarak etkinliği pek çok çalışmada ortaya konulmuş bir derin öğrenme yöntemi olan Evrişimsel Sinir Ağları (ESA) ve Dalgacık Dönüşümü (DD) ile önişleme tabi tutulmuş ESA (DDESA) yöntemleri kullanılmıştır. Böylece durağan bir durum için veri kümesini alt kümelere ayrıştıran dalgacık dönüşümünün tahmin performansına etkisi araştırılmıştır. Çalışmanın sonucunda DDESA yaklaşımı ile tahmin başarısının artırılabildiği ve etkin bir tahminleme aracı olarak kullanılabileceği sonucuna ulaşılmıştır.