Prediction of stock index movement direction with multiple logistic regression and k-nearest neighbors algorithm

In financial data mining, stock index movement direction prediction is a challenging classification problem, since stock index is affected by many economic and political factors. The accurate prediction of this problem is of interest to many researchers as it can serve as an early recommender system for short-term financiers. This study aims to predict daily upward or downward movement direction of Borsa Istanbul 100 (XU100) index with the aid of supervised machine learning algorithms based on classification. Problem we deal with includes whether on a specific day the XU100 index fall into up bucket or fall into down bucket. For this purpose, the multiple logistic regression and K-nearest neighbors algorithm models are fitted using independent variables whose effect on BIST100 index movement direction was statistically significant. Lastly, the out-of sample predictions are compared with the actual movements in the stock market. Performances are measured not only with accuracy but also other statistical metrics. According to the results obtained, logistic regression analysis achieves better predict performance with 81% accuracy opposed to K-nearest neighbors algorithm on XU100 data over the given time period.

Borsa endeks hareket yönünün çoklu lojistik regresyon ve k-en yakýn komþu algoritmasý ile tahmini

Hisse senedi piyasasý birçok makroekonomik deðiþkenler ve politik faktörlerden etkilendiði için finansal veri madenciliðinde, hisse senedi endeksi hareket yönü tahmini zor bir sýnýflandýrma problemidir. Bu problemin doðru tahmini kýsa vadeli yatýrýmcýlara erken öneri sistemi olarak hizmet verebileceði için birçok araþtýrmacýnýn ilgisini çekmektedir. Bu çalýþma, sýnýflamaya dayalý denetimli makine öðrenmesi algoritmalarý yardýmý ile Borsa Ýstanbul 100 (BIST100) endeksinin günlük aþaðý veya yukarý hareket yönünü tahmin etmeyi amaçlar. Ýlgilendiðimiz problem, belirli bir günde BIST100 endeksinin yükseleceðini veya düþeceðini tahmin etmektir. Bu amaç doðrultusunda, BIST100 endeks hareket yönü üzerindeki etkisi istatistiksel olarak anlamlý bulunan baðýmsýz deðiþkenler kullanýlarak çoklu lojistik regresyon ve K-en yakýn komþu algoritmasý modelleri kurulmuþtur. Son olarak, örneklem dýþý tahminler borsadaki gerçek hareketlerle karþýlaþtýrýlmýþtýr. Performanslar sadece doðruluk ile deðil, diðer istatistiksel metrikler ile de ölçülmüþtür. Elde edilen sonuçlara göre, lojistik regresyon analizi verilen zaman dilimi içinde BIST100 verileri üzerinde K-en yakýn komþu algoritmasýna karþý %81 doðruluk oraný ile daha iyi tahmin performansý elde etmiþtir.