Finansal zaman serilerinin fonksiyonel yapısının genetik öğrenmeyle belirlenmesi

Menkul kıymet fiyatlarının piyasanın geçmiş verileri kullanılarak tahmin edilmeye çalışılması her zaman ilgi çekici ve bir o kadar da zor bir uygulama alanı olmuştur. Geçmiş piyasa verilerine dayalı olarak tahminleme yapmada başvurulan veri odaklı yaklaşımlardan biri de genetik programlamadır (GP). GP, finansal zaman serilerini oluşturan sürecin matematiksel formunu araştırmada sıklıkla kullanılmaktadır. Yanı sıra, GP piyasaya giriş ve çıkış sinyalleri üreten kural tabanlı sistemlerin geliştirilmesinde de bir örüntü tanıma tekniği olarak son derece umut verici sonuçlar elde etmektedir. Menkul kıymet fiyatını tahminleyen matematiksel formun ya da kurallar bütününün tamamen bilgisayar tarafından araştırılmasında çok büyük bir arama uzayıyla karşı karşıya kalınmaktadır. Bu bakımdan, mutlak bir çözümden ziyade sınırlı hesaplama gücüyle makul sürelerde yeterince iyi çözümler bulunabilmesi ancak GP gibi meta-sezgisel teknikler yardımıyla gerçekleştirilebilmektedir. Bu çalışma kapsamında bu doğrultuda üç sistem geliştirilmiştir. Geliştirilen bu sistemlerden ilk ikisi sembolik regresyon uygulaması diğeri ise kural tabanlı sistem uygulaması niteliğindedir. İlk iki sistemde, basit terminal ve fonksiyon kümelerinden sembolik regresyon yardımıyla tahmin edici matematiksel modeller türetilmeye çalışılmaktadır. Ardından bu yaklaşımın güçlü ve zayıf yönleri okuyucuya sunulmuştur. Üçüncü uygulama kapsamında geliştirilen sistem ise, hiçbir ön bilgiye sahip olmaksızın yalnızca tarihi verileri kullanarak piyasaya giriş ve çıkış zamanlamalarının belirlenip belirlenemeyeceğini araştırmaktadır. Belirli bir deney tasarımı uyarınca sistemin spekülasyon performansı değişik öğrenme ve test periyotları için sınanmıştır. Sonuç olarak, GP yardımıyla bu kural tabanlı sistemin 6 ay (120 işlem günü) ve 12 aydan (240 işlem gününden) oluşan test vadelerinde al-bekle stratejisinden her seferinde üstün stratejiler geliştirebildiği istatistiksel olarak ortaya konulmuştur. Ancak; 1 hafta (5 işlem günü), 1 ay (20 işlem günü) ve 3 ay (60 işlem günü) gibi görece kısa test periyotlarında böyle bir bulguya rastlanamamıştır. Deneyler açıkça göstermiştir ki; sistem, hiçbir ön bilgiye sahip olmadan, yalnızca tarihi günlük verilerden hesaplanan kimi teknik analiz göstergelerini içeren kural kombinasyonlarını keşfederek, orta-uzun vadede kârlı al-sat stratejileri geliştirebilmektedir. Anahtar Kelimeler: evrimsel hesaplama, genetik programlama, sembolik regresyon,kural tabanlı sistemler, ?nansal zaman serileri, teknik analiz, etkin piyasa hipotezi