BIST100 ENDEKSİ FİYATININ LSTM, CNN-LSTM VE BILSTM MODELLERİ İLE TAHMİN EDİLMESİ

Authors : İrem Varürer, Özer Özaydın, Fatih Çemrek

Pages : 1-24

View : 41 | Download : 76

Publication Date : 2025-12-31

Article Type : Research Paper

Abstract :Kendine birçok alanda yer bulan derin öğrenme günümüzün üzerine çalışılan en popüler konulardandır. Teknolojinin gelişip üzerine çalışıldıkça derin öğrenmenin yeni modelleri bulunmaktadır. Finans alanında da sıkça kullanılan derin öğrenme modelleri özellikle tahminleme çalışmalarında da ön plana çıkmaktadır. Bu çalışmada, Borsa İstanbul (BIST100) Endeksinin tahmini amacıyla derin öğrenme modelleri olan LSTM, BILSTM ve CNN-LSTM kullanılarak karşılaştırmalı bir analiz gerçekleştirilmiştir. 1 Ocak 2014 ile 28 Şubat 2025 tarihleri arasındaki günlük BIST100 verilerinin yanı sıra DAX, NASDAQ, S&P 500, NİKKEİ 225 ve FTSE 100 gibi global borsa endeksleri bağımsız değişkenler olarak modele dahil edilmiştir. Python programlama dili ve Keras kütüphanesi kullanılarak oluşturulan modellerin performansı RMSE (Root Mean Square Eror) metriği ile değerlendirilmiştir. Elde edilen sonuçlara göre, en düşük RMSE değeri olan 170.8730 ile CNN-LSTM modeli en başarılı tahminleme performansını göstermiştir. BILSTM modeli 178.5661 RMSE değeriyle ikinci sırada yer alırken, LSTM modeli 308.5097 RMSE değeriyle en düşük performansı sergilemiştir. Bu bulgular, BIST100 endeksin tahmininde derin öğrenme tabanlı modellerin etkili bir şekilde kullanılabileceğini ve gelecekteki çalışmalarda farklı model kombinasyonlarının daha başarılı sonuçlar sağlayabileceğini ortaya koymaktadır.
Keywords : BIST100, Derin Öğrenme, BILSTM, LSTM, CNN-LSTM

ORIGINAL ARTICLE URL