|
Derginin Adı:
|
ASOSOURNAL
|
|
Cilt:
|
2014/2
|
|
Sayı:
|
3
|
|
Makale Başlık:
|
FİNANS SEKTÖRÜNDE VERİ MADENCİLİĞİ UYGULAMASI
|
|
Makale Alternatif Dilde Başlık:
|
(A DATA MINING APPLICATION IN FINANCIAL SECTOR )
|
|
Makale Eklenme Tarihi:
|
15.07.2014
|
|
Okunma Sayısı:
|
3
|
|
Makale Özeti:
|
Bu çalışmada İstanbul Menkul Kıymetler Borsası (İMKB)’ndan elde edilen 1990-2010 yıllarını kapsayan döneme ait olmak üzere, 10 adet bankanın menkul kıymetlerinin kapanış fiyatları, menkul kıymet teknik analizlerinde yaygın biçimde kullanılan teknik göstergeler, altın fiyatlarındaki değişmeler, dolar kurundaki değişmeler ve bazı yurtdışı borsa göstergeleri göz önüne alınarak karar ağaçları oluşturulmuş ve bu ağaçlara dayalı olarak karar kuralları elde edilerek finans sektöründe bir veri madenciliği çalışması gerçekleştirilmiştir. Elde edilen veriler üzerinde çeşitli ön işlemler yapılarak veri madenciliği sürecinin ilk aşaması tamamlanmış ve daha sonra veri madenciliği modelleri içinde tahmin edici model olarak ele alınan sınıflandırma yöntemi uygulanmıştır.Analize dahiledilen niteliklerin sayısını azaltmak amacıyla "Çoklu Doğrusal Regresyon Modelleri" düzenlenmiş olup, analizin ilk aşamasında çalışma kapsamında incelenen bütün nitelikler modele alınmışken, ilerleyen aşamada, istatistiksel bakımdan anlamlı olmayan nitelikler modelden çıkarılmıştır. Bu deneysel işlemlerin sonucunda bazı menkul kıymetlere ait regresyon modellerinden elde edilen niteliklerin seçilmesiyle daha düşük ortalama hataya sahip regresyon ağaçlarının elde edilmiştir. Çalışmanın son aşamasında, incelenen veriler üzerinde regresyon ve sınıflandırma ağaçları (CART) ile sınıflandırma işlemi yapılarak, bir algoritma geliştirilmiş ve karar kuralları oluşturulmuştur.
|
|
Alternatif Dilde Özet:
|
In this study a data mining process is performed in finance sector. During this process, considering closing prices of securities of 10 different banks which are obtained from Istanbul Stock Exchange (ISE) for the period 1990-2010 and some technical indicators which are widely used in some technical analysis of these securities, the changes of gold prices, exchange rate and also some international stock market indicators, some decision trees are built and then decision rules are obtained on the basis of these trees. Applying somedata preprocessing operations on the data, the first stage of the process is completed. Afterward, a classification model, which is also called “predictive model” among other data mining models, is performed on the dataset. Besides, some Multiple Linear Regression Models are applied to reduce the number of attributesand therebyinsignificant ones are removed in the following stages.Finally, selecting some attributes related withthe securities’ regression models, some regression trees with the lowest standard error are handled in the last stages, building regression and classification trees (CART) on the data, an algorithm is developed and some decision rules are generated.
|