Yapay sinir ağlarının portföy yönetiminde kullanılması

Veri Madenciliği geniş veri setlerindeki gizli modelleri keşif sürecidir. Mühendislikten haberleşmeye kadar geniş kullanım alanları vardır. Hisse seçimi, opsiyon fiyatlama ve endeksleri veya bireysel hisse fiyatlarını tahmin etme finanstaki tipik uygulamalarıdır. Borsada bilgi akışı kazanç bildirileri döneminde artmaktadır. Pek çok araştırmacı borsanın kazanç bildirileri döneminde yüksek oranda değişken olduğunu belirtmişlerdir. Hedefimiz borsa endekslerinin ( NASDAQ 100 ve DSA ) getirilerine üstünlük sağlayan bir portföy oluşturmak için bu bilgiyi nasıl kullanabileceğimizi bulmaktır. Bu amaç YSA gibi model tanıma teknikleriyle gerçekleştirilebilir. Bu çalışmada NASDAQ hisse endeksinde işlem gören sisse senetlerini seçtik. Her hisse için EPS, Fiyat gibi belli başlı değişkenler seçildi. İlk olarak hisse fiyatlarına bağlı olarak hisse değişim boyutunu tanımlamada k-ortalama gruplama tekniği kullanıldı. Daha sonra YSA’nın farklı tipleri kullanıldı. Bunun temel amacı YSA’nın en iyi / optimum topolojisini tanımlamaktır. Portföy yönetimine bir sınıflandırma problemi olarak bakılabilir. Sonuçlarımız makine öğrenmesi teknikleri kullanılarak maksimum getirilerin sağlanabileceğini göstermiştir.