Affiliation:
1. BURSA ULUDAĞ ÜNİVERSİTESİ, İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ, EKONOMETRİ BÖLÜMÜ, İSTATİSTİK ANABİLİM DALI
Abstract
Günümüz rekabet şartlarında verilerden doğru tahminler yapmak yatırımcılar için önemli hale gelmiştir. Bilgi ve teknolojideki gelişmelerle verinin çeşitlilik göstermesi modern istatistik tekniklere ihtiyaç duyulmasına neden olmuştur. Bu tekniklerle veri içerisinde bilinmeyen gizli ilişkileri belirleme ve tahmin her geçen gün arttırmaktadır. Veri madenciliği pek çok alanda uygulandığı gibi finans alanında da kullanılmaktadır. Bu çalışmada kullanılan veri seti 02.01.2018-27.06.2023 dönemleri arasında yayınlanan 1423 işlem gününden oluşmaktadır. Veri madenciliği tanımlayıcı modellerinden birliktelik kuralı analizi Fp Growth Algoritması ile günlük bültenlerde yayınlanan BİST30 Endeksi, BİST100 Endeksi, Dolar Kuru, Euro Kuru, Altın ve Brent Petrol değişkenleri arasındaki birlikte değişimi tespit edilmeye çalışılmıştır. Birliktelik analizi sonucunda 20 birliktelik kuralı üretilmiş olup en iyi 10 birliktelik kuralı elde edilmiştir. 0,99 güven ölçütünde PETROL, ALTIN, BİST30, BİST100 değişkenleri, 0,98 güven ölçütünde PETROL, EURO, BİST30, BİST100 değişkenleri, 0,97 güven ölçütünde ise USD, EUR, BİST30, BİST100 ve USD, ALTIN, BİST30, BİST100 ayrıca EUR, BİST30, BİST100 ve USD, BİST30, BİST100 arasında belirgin birliktelik görülmüştür.
Funder
Yazarlar bu çalışma için herhangi bir finansal destek almadıklarını beyan etmiştir.
Reference28 articles.
1. Aktürk, H., & Korukoğlu, S. (2008). Veri madenciliği teknolojisini kullanarak fiyat değişimlerinde paralellik gösteren hisse senetlerinin bulunması ve risk azaltılması. Içinde M. Akgül, E. Derman, U. Çağlayan, N. Yücel, A. Özgit (Ed.), Akademik Bilişim’08 Bildiriler 30 Ocak – 1 Şubat 2008 (ss. 113−119). İnternet Teknolojileri Derneği.
2. Altunkaynak, B. (2017). Veri madenciliği yöntemleri ve R uygulamaları. Seçkin Yayıncılık.
3. Arafah, A. A., & Mukhlash, I. (2015). The application of Fuzzy Association Rule on co-movement analyze of Indonesian Stock Price. Procedia Computer Science, 59, 235−243. https://doi.org/10.1016/j.procs.2015.07.541
4. Argiddi, R. V., & Apte, S. S. (2012). Future trend prediction of Indian IT Stock Market using association rule mining of transaction data. International Journal of Computer Applications, 39(10), 30−34. https://doi.org/10.5120/4858-7132
5. Aydın, S. (2007). Veri madenciliği ve Anadolu Üniversitesi uzaktan eğitim sisteminde bir uygulama (Yayın No. 220873) [Doktora tezi, Anadolu Üniversitesi Sosyal Bilimler Enstitüsü]. Yükseköğretim Kurulu Başkanlığı Tez Merkezi.