Forecasting Daily and Sessional Returns of the ISE - 100 Index with Neural Network Models

Ozellikle son on yilda yapay sinir aglari modelleri portfoy olusturma ve hisse senedi piyasasi tahminleri gibi finansal problemleri cozmede uygulanmaktadir. Cesitli yapay sinir aglari modelleri arasinda, cok-katmanli porseptron modelleri finansal tahmin calismalari icin yaygin ve etkili bir sekilde kullanilmaktadir. Bu calisma, cok-katmanli porseptron modellerinin IMKB-100 endeksinin gunluk ve seanslik getirilerinin tahmin edilmesindeki etkinligini incelemektedir. Calismanin bulgularindan yola cikilarak, cok-katmanli porseptron modellerinin IMKB-100 endeks getirisini tahmin etmede umut vaat eden bir performans gosterdigi sonucuna varilabilir. Fakat, yapay sinir aglari modellerinin tahmin gucleri farkli degiskenler ve farkli model yapilari kullanilarak daha da arttirilabilir.