Modelling Stock Market via Fuzzy Rule Based Systems by Hakan Aksoy A rule based fuzzy logic model is implemented to forecast the monthly return of the Istanbul Securities Exchange 100 (ISE100) Index by combining common stock market data analysis techniques. These are technical analysis, financial analysis and macroeconomic analysis. Starting with the technical analysis, an index level observation by using classifier systems is used as a long term input for the rule based modelling of the fuzzy logic. The negative correlation of the level of the ISE100 Index and the daily returns is obtained. The observation is statistically tested and found to be significant by using bootstrap method. A basic technical analysis rule using moving average is also modified as a short period input for the model. In the financial analysis that borrows from the methodology of the Altman's bankruptcy prediction analysis, a model for predicting next period's stock return is developed with the logistic regression by using 81 financial ratios before the factor analysis. It is shown in the ANOVA analysis that the output of the analysis is statistically significant as `good` companies perform better than `bad` companies. viiThus, the weighted average of the logit score of the stocks is used to forecast the next period return of the index in the fuzzy logic model. After the calculation of the technical and financial inputs for the model, macroeconomic data is gathered in three main groups: real economy, FX market and TL market. The data is ruled and modeled within the period from 1996 to 2002 and optimized with steepest descent learning algorithm. The R-Square of the model is obtained to be better than those of other stock market return estimation models in the literature. The reasons are: a) the ISE is not a developed and an efficient market, thus, predicting future prizes are easier than the other developed markets; b) rule based fuzzy logic modelling with large enough data set improves the explanation of the future movements. Furthermore, the model is also tested for optimal investment decision in 2003. The algorithm is as follows: If the next month's predicted return of the index is positive, the model suppests to invest all of the existing money in the stock market. Otherwise, it is optimal to invest in repo only. The performance of the investor is compared according to the returns of the ISE100 Index, USD, repo and TL in the same period. Consequently the statistical comparison of the results by using the bootstrap method is promising and the model's suggestion performs better than the return of the repo and the ISE100 Index in 2003. Keywords: Stock Market, Banktruptcy Prediction, Logistic Regression, Learning and Fuzzy Logic. Vlll.

Hisse Senedi Piyasasının Bulanık Kurala Dayalı Sistemler ile Modellenmesi Hakan Aksoy İstanbul Menkul Kıymetler Borsası 100 (İMKB100) Endeksi'nin aylık getirilerinin tahmin edilebilmesi için kurallara dayalı bulanık mantık modelinin genel hisse senedi data analizi teknikleri kullanılarak uygulaması yapıldı. Hisse senedi data analizi teknikleri olarak teknik analiz, mali analiz ve makroekonomik analiz kullanıldı. Endeks seviyesi üzerine sınıflandırma sistemlerinin kullanılması ile hazırlanan bir gözlem uzun vadeli teknik analiz değişkeni olarak bulanık mantıkta kurala dayalı öğrenme modeli için düşünüldü. İMKBİOO Endeks seviyesi ile günlük getirilerin arasındaki bir negatif korelasyon bir gözlem olarak ortaya çıktı. Bootstrap metodu ile gözlemin sonuçlan istatistiki olarak test edildi ve anlamlı bulundu. Modelin kısa vadeli değişkeni için hareketli ortalama kullanılarak basit bir teknik analiz kuralı eklendi. Temel analiz tarafında ise Altman' ın iflas tahmini analizindeki metoda benzer şekilde bir sonraki dönem hisse senedi getirişini tahmin için lojistik regresyon analizi yapıldı. Bunun için faktör analizi öncesinde 81 mali rasyo kullanıldı. ANOVA analizi kullanılarak `iyi` şirketlerin `kötü` şirketlerden daha iyi performans sağladığı istatistiki ixolarak anlamlı bulundu. Sonuç olarak hisse senetlerinin logit skorlarının ağırlıklı ortalaması bir sonraki dönem endeks tahmini yapan bulanık mantık modeli için temel analiz değişkeni olarak kullanıldı. Model için hesaplanan teknik ve mali analiz değişkenleri sonrasında, makroekonomik data üç ana grup altında toplandı: reel ekonomi, FX piyasası ve TL piyasası. 1996 ve 2002 yıllan arasındaki datanın kuralları çıkarıldı ve model için `steepest descent` öğrenme algoritması ile optimize edilerek kullanıldı. Modelin açıklanabilirlik performansı literatürdeki diğer hisse senedi getiri tahmin modellerine göre başarılı bulundu. Neden olarak: a) İMKB'nin gelişmiş ve etkin bir piyasaya sahip olmaması öne sürüldü, ki bu yüzden gelecekteki fiyatları tahmin etmek diğer gelişmiş piyasalara oranla daha kolay olabileceği düşünüldü; b) kurala dayalı bulanık mantık ile yapılan modellemeler yeteri derecede büyük bir data seti ile yapılması durumunda gelecekteki hareketlerin açıklanabilirliğini ilerletebileceği sonucuna varıldı. Bunun yanında, model 2003 yılında optimal yatırım karan için test edildi. Algoritma gereği, bir sonraki ayın endeks tahmini getirişinin pozitif olması durumunda yatırımcı bütün portföyü ile hisse senedi piyasasına yatırım yapmaya karar verdi. Getirinin negatif olması durumunda ise yatırımcı sadece repo'yu tercih etti. Yatırımcının performansı ile aynı dönemdeki İMKB100 Endeksi'nin, ABD Doları'nın, repo'nun ve TL'nin getirişi karşılaştırıldı. Sonuçların bootstrap methodu ile istatistiki olarak karşılaştırılması umut verici bulundu ve modelin tavsiyesinin 2003 yılı içinde İMKB100 Endeksi ve repo getirişinden daha iyi performans gösterdiği gözlendi. Anahtar Kelimeler: Hisse Senedi Piyasası, İflas Tahmini, Lojistik Regresyon, Öğrenme ve Bulanık Mantık.