Joinpoint Regression Analysis and an Application on Istanbul Stock-Exchange

Telli, Huriye; Saraçlı, Sinan

doi:http://dx.doi.org/10.17093/aj.56252

Joinpoint Regression Analysis and an Application on Istanbul Stock-Exchange

Huriye Telli

Sinan Saraçlı, Ph.D.

Abstract

Joinpoint Regression Analysis is one of the statistical methods used to identify the best-fitting points if there is a statistically significant change in the trend. The aim of this study is to apply joinpoint regression analysis in the stock market and compare the performance of this method according to actual data set and estimated values. For this purpose, we collected the data set from the National Istanbul Stock Exchange (ISE) 30 index for April-May 2013 and examined that data set via Joinpoint Regression Analysis. We applied linear and nonlinear techniques with the help of Joinpoint software and determined the best technique according to their Mean Square Errors (MSE). With the projection for the future months and the actual results, we see that the estimated values are a little higher than the actual values However, this shows that we may apply Joinpoint regression to a time series data set in order to forecast future values.

Keywords: Istanbul Stock-Exchange 30, Joinpoint Regression Analysis, Trend

Jel Classification: C1, C4, C5

Joinpoint Regresyon Analizi ve BİST’te Bir Uygulama

Öz

Joinpoint Regresyon Analizi, trendde meydana gelen istatistiksel olarak anlamlı değişmelerin en uygun noktalarını belirlemede kullanılan istatistiksel metotlardan biridir. Bu çalışmanın amacı Joinpoint regresyon analizini borsa verilerine uygulamak ve bu metodun performansını gerçek ve tahmin edilen değerleri karşılaştırarak belirlemektir. Bu amaçla Nisan-Mayıs 2013 ayları için Ulusal BIST 30 endeks değerlerine ilişkin veri seti derlenerek Joinpoint analizi ile incelenmiştir. Joinpoint paket programı aracılığı ile doğrusal ve doğrusal olmayan tekniklere göre çözümleme yapılarak bu tekniklerden hangisinin daha uygun olduğu Hata Kareler Ortalaması (HKO) değerlerine göre belirlenmiştir. Gelecek dönemler için yapılan tahminler ile bu dönemlerde gerçekleşen değerlere göre tahmin edilen değerlerin gerçek değerlerden biraz yüksek olduğu gözlemlenmiştir ama bu sonuç Joinpoint regresyon analizinin gelecek dönem tahminlerini gerçekleştirmek için bir zaman serisi verisine uygulanabileceğini göstermektedir.

Anahtar Kelimeler: BIST 30, Joinpoint Regresyon Analizi, Trend

Suggested citation

Telli, H. & Saraçlı, S. (2014). Joinpoint Regression Analysis and an Application on Istanbul Stock-Exchange. Alphanumeric Journal, 2(1), 43-49. http://dx.doi.org/10.17093/aj.56252

bibtex

References

Albayrak, A. S. (2008). Değişen Varyans Durumunda En Küçük Kareler Tekniğinin Alternatifi Ağırlıklı Regresyon Analizi ve Bir Uygulama. Afyon Kocatepe Üniversitesi İİBF Dergisi, 2: 111-134.
Cayuela, A.,Dominguez, S.R., Campos, J.L., Candelera, R.O., Matutes, C.R. (2004). Joinpoint Regression Analysis of Lung Cancer Mortality, Andalusia 1975–2000. Annals of Oncology, 15: 793-796.
Çankal, E. (2010). İstatistik, Lisan Yayınları, Ankara.
Duyar, İ. (1995). Model Seçiminde Bayesian Yaklaşım. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Dergisi, 2(28): 95-106.
Gazeloğlu, C. (2012). Doğrusal Tip II Regresyon Tekniklerinin Monte-Carlo Benzetim Çalışması ile Karşılaştırılması: Sağlam, Bulanık ve Sağlam Bulanık Teknikler. Yüksek Lisans Tezi, Afyon Kocatepe Üniversitesi, Fen Bilimleri Enstitüsü, Afyonkarahisar.
Goovaerts, P. andXiao, H. (2011). Geographical, Temporal and Racial Disparities in Late-Stage Prostate Cancer Incidence Across Florida: A Multiscale Joinpoint Regression Analysis. International Journal of Health Geographics, 10: 63.
Jiang, Z.,Qiu, Z., Hatcher, J. (2010). Joinpoint Trend Analysis of Cancer Incidence And Mortality Using Alberta Data. Cancer Surveillance, Surveillance and Health Status Assessment, Alberta Health Services, 1-45.
Kim, H. J., Fay, M. P., Feuer, E. J., Midthune, D. N. (2000). Permutation tests for joinpoint regression with applications to cancer rates. Statistics in Medicine, 19: 335-351.
Kim, H. J., Fay, M. P., Yu, B., Barrett, M. J., Feuer, E. J. (2004). Comparability of Segmented Line Regression Models. Biometrics, 60(4): 1005-1014.
Marrett, L. D. (2010). Colorectal Cancer Network (CRCNet) User Documentation for Surveillance Analytic Software: Joinpoint. Cancer Care Ontario, 1-28.
Pickle L., Hao Y., Jemal A., Zou Z., Tiwari R.C., Ward E., Hachey M., Howe H.L., Feuer E.J. (2007). A New Method of Estimating United States And State-Level Cancer Incidence Counts for the Current Calendar Year CA: A. Cancer Journal of Clinicians, 57: 30-42.
Vural, A. (2007). Aykırı Değerlerin Regresyon Modellerine Etkileri ve Sağlam Kestiriciler, Yüksek Lisans Tezi, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.