Forecasting daily and sessional returns of the ISE - 100 index with neural network models

Abstract

Especially for the last decade, the neural network models have been applied to solve financial problems like portfolio construction and stock market forecasting. Among the alternative neural network models, the multilayer perceptron models are expected to be effective and widely applied in financial forecasting. This study examines the forecasting power multilayer perceptron models for daily and sessional returns of ISE-100 index. The findings imply that the multilayer perceptron models presented promising performance in forecasting the ISE-100 index returns. However, further emphasis should be placed on different input variables and model architectures in order to improve the forecasting performances.Özellikle son on yılda yapay sinir ağları modelleri portföy oluşturma ve hisse senedi piyasası tahminleri gibi finansal problemleri çözmede uygulanmaktadır. Çeşitli yapay sinir ağları modelleri arasında, çok-katmanlı pörseptron modelleri finansal tahmin çalışmaları için yaygın ve etkili bir şekilde kullanılmaktadır. Bu çalışma, çok-katmanlı pörseptron modellerinin İMKB-100 endeksinin günlük ve seanslık getirilerinin tahmin edilmesindeki etkinliğini incelemektedir. Çalışmanın bulgularından yola çıkılarak, çok-katmanlı pörseptron modellerinin İMKB-100 endeks getirisini tahmin etmede umut vaat eden bir performans gösterdiği sonucuna varılabilir. Fakat, yapay sinir ağları modellerinin tahmin güçleri farklı değişkenler ve farklı model yapıları kullanılarak daha da arttırılabilir.