Yatırım fonları net varlık değerlerinin yapay sinir ağları yöntemiyle tahmin edilmesi

Bu çalışmanın amacı, Türkiye’deki yatırım fonlarının net varlık değerlerinin, Yapay Sinir Ağları (YSA) yöntemiyle tahmin edilmesidir. Ocak 2001-Aralık 2008 döneminde, 19 adet A tipi ve 19 adet B tipi olmak üzere toplam 38 adet yatırım fonunun net varlık değerlerinin tahmin edilmesi için 6 adet makro ekonomik değişkenden yararlanılmıştır. Çalışmada yatırım fonu net varlık değeri hem YSA hem de regresyon modeli çerçevesinde öngörülmüş ve her iki yöntem için elde edilen sonuçların öngörü performansları karşılaştırılmıştır. Analiz sonuçları, yatırım fonları net varlık değerlerini tahmin etmek için geliştirilen YSA modellerinin çok düşük hata düzeyinde regresyon yönteminden daha başarılı sonuçlar verdiğini ortaya koymuştur.

Forecasting mutual fund Net asset values using Artificial Neural Networks

This study aims to forecast net asset values of Turkish mutual funds using Artificial Neural Networks (ANN) method. In order to forecast net asset values of 38 mutual funds (19 A type and 19 B type), 6 macro economic variables are used in the period of January 2001-December 2008. Net asset values of mutual funds have been forecasted within the frame of both ANN and regression model and forecasting performances of the methods have been compared. Analysis results reveal that ANN method is capable of forecasting net asset values of mutual funds at a very low error level and seems to outperform regression method.

PDF

___

Abraham, A., Yuehui C., BO Y. ve Jiwen D. (2004). Time-Series Forecasting Using Flexible Neural Tree Model, Information Sciences, (174):1-17.
Altan, Ş. (2008). Döviz Kuru Öngörü Performansı İçin Alternatif Bir Yaklaşım: YSA, Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(2):141-160.
Altay, E. ve M. H. S. (2005). Stock Market Forecasting: Artificial Neural Networks and Linear Regression Comparison in an Emerging Market, Journal of Financial Management and Analysis, 18(2):18-33.
Anderson, D. ve George M. (1992). Artificial Neural Networks Technology, Kaman Science Corporation, New York, USA.
Avcı, E. (2007). Forecasting Daily and Sessional Returns of the ISE-100 Index with Neural Networks Models, Doğuş Üniversitesi Dergisi, 8(2):128-142.
Benli, Yasemin K. (2005). Bankalarda Mali Başarısızlığın Öngörülmesi Lojistik Regresyon ve Yapay Sinir Ağı Karşılaştırması, Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi, (16):31-46.
Chiang W.C., T. L. Urban ve G. W. Baldridge (1996). A Neural Network Approach to Mutual Fund Net Asset Value Forecasting, Omega, International Journal of Management Science, 24(2):205-215.
Diler, A. İ. (2003). İMKB Ulusal-100 Endeksinin Yönünün Yapay Sinir Ağları Hata Geriye Yayma Yöntemi ile Tahmin Edilmesi, İMKB Dergisi, 25(26):65-81.
Dutta, G., Pankaj J., Arnab K. ve Lha N. M. (2006). Artificial Neural Network Models for Forecasting Stock Price Index in the Bombay Stock Exchange, Journal of Emerging Market Finance, 5(3):49-61.
Ertek, T.(2000). Ekonometriye Giriş, Genişletilmiş 2. Baskı, İstanbul: Beta Yayım Dağıtım.
Fausett, L.(1994). Fundamentals of Neural Networks, USA: Prentice Hall.
Gujarati, D. N. (2004). Basic Econometrics, New York: McGraw-Hill, Inc, 4. Edition.
Hamilton, J. D. (1994). Time Series Analysis, New Jersey: Princeton University Press.
Indro, D. C., C. X. Jianga, B. E. Patuwo ve G. P. Zhang (1999). Prediction Mutual Fund Performance Using Artificial Neural Networks, Omega, International Journal of Management Science, 27(3):373-380.
Kaastra, I. ve Milton B. (1996). Designing a Neural Network for Forecasting Financial and Economic Time Series, Neurocomputing, (10):215-236.
Kamruzzman, J., Rezaul K. B. ve Ruhul A. S. (2006). Artificial Neural Networks in Finance and Manufacturing, USA: Idea Group Publishing.
Karaçor, Z. ve Alptekin, V. (2006). Finansal Krizlerin Önceden Tahmin Yoluyla Değerlendirilmesi: Türkiye Örneği, Yönetim ve Ekonomi, 13(2):237-256.
Kennedy, P. (1998). A Guide to Econometrics, U.S: The MIT Press, 4. Ed.
Kim, T. Y., Kyong J. Oh, Insuk S. ve Changha H. (2004). Usefulness of Artificial Neural Networks for Early Warning System of Economic Crisis, Expert Systems with Applications, (26):583-590.
Liang, X., H. Zhang, J. Xiao ve Y. Chen (2009). Improving Option Price Forecasts with Neural Networks and Support Vector Regressions, Neurocomputing, (72):3055-3065.
Oh, K. J., Kim, T. Y., Kim, C. (2006). An Early Warning System for Detection of Financial Crisis Using Financial Market Volatility, Expert Systems, 23(2):83-98.
Öztemel, E. (2006). Yapay Sinir Ağları, İstanbul: Papatya Yayıncılık, 2. Basım.
Panda, C. ve V. N. (2007). Forecasting Exchange Rate Better with Artificial Neural Network, Journal of Policy Modeling, 29(2):227-236.
Quian, B. ve Khaled R. (2009). Foreign Exchange Market Prediction with Multiple Classifiers, Journal of Forecasting, (29):271-284.
Ray, P. ve Vina V. (2004). Neural Network Models for Forecasting Mutual Fund Net Asset Value, Working Paper.
Sahoo, P. K. ve Priti R. H. (2007). Prediction of Mutual Funds: Use of Neural Network Technique, The IUP Journal of Applied Finance, (13):11.
Sevüktekin, M.ve Mehmet N. (2007). Ekonometrik Zaman Serileri Analizi, EViews Uygulamalı, Geliştirilmiş 2. Baskı, Ankara: Nobel Yayın Dağıtım.
Smith, K. A. (2002). Neural Networks for Business: An Introduction, Neural Networks in Business: Techniques and Applications, Idea Group Publishing, USA,/http://books.google.com, Erişim Tarihi: 31.03.2009.
Tseng, Chih-H., Sheng-Tzong C., Yi-Hsien W.ve Jin- Tang P. (2008). Artificial Neural Network Model of the Hybrid EGARCH Volatility of the Taiwan Stock Index Option Prices, Physica A: Statistical Mechanics and Its Applications, 387(13):3192-3200.
Yao, J., Hean-Lee P. ve Teo J. (1996). Foreign Exchange Rates Forecasting with Neural Networks, ICONIP’96 (International Conference on Neural Information Processing), Hong Kong, September. 24(27):754-759.
Yıldız, B. (2001). Finansal Başarısızlığın Öngörülmesinde Yapay Sinir Ağı Kullanımı ve Halka Açık Şirketlerde Ampirik Bir Uygulama, İMKB Dergisi, 5(17):51–67.
Yurtoğlu, H. (2005). Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği, DPT Uzmanlık Tezi, Ankara.
Zhang, G., B. Eddy P. ve Michael Y. Hu (1998). Forecasting with Artificial Neural Networks: The State of the Art, International Journal of Forecasting, (14):35–62.
Zhang, G. P. (2001). An Investigation of Neural Networks for Linear Time-Series Forecasting, Computers & Operations Research, 28:1183-1202.
Zhang, G. P. ve Min Qi (2005). Neural Network Forecasting for Seasonal and Trend Time Series, European Journal of Operational Research, 160:501-514.