BIST-30 ENDEKSİNDE YER ALAN PAYLARIN ORTAK HAREKETLERİNİN VERİ MADENCİLİĞİ KAPSAMINDA BİRLİKTELİK KURALI İLE İNCELENMESİ

Yıl 2021, Cilt: 13 Sayı: 25, 548 - 571, 31.07.2021

Meltem Karaatlı , Turan Kocabıyık , Damla Yalçıner Çal , Merve Çolak

https://doi.org/10.14784/marufacd.976609

Cited By: 2

Öz

Son yıllarda teknolojinin ilerlemesi ve verilere erişimin kolaylaşması veri madenciliği çalışmalarının sayısında büyük bir artışa yol açmıştır. Bu çalışmada bir portföy oluşturmak amacıyla makroekonomik değişkenler etkisinde birlikte hareket eden paylar veri madenciliği ile tespit edilmiştir. Borsa İstanbul (BIST-30) 30 endeksinde yer alan payların yanı sıra M1 para arzı, altın ons fiyatı, ihracatın ithalatı karşılama oranı, sanayi üretim endeksi, döviz sepeti, imalat sanayi kapasite kullanım oranı, faiz, üretici fiyat endeksi, finansal hizmetler güven endeksi, uluslararası doğrudan yatırımlar, ham petrol, S&P 500 endeksi makroekonomik değişkenler olarak kullanılmıştır. Araştırmada 2014-2019 yıllarını kapsayan beş yıllık veri seti kullanılmıştır. Birlikte hareket eden işlemlerin belirlenmesi için yüksek bir performansa sahip olan FP-Growth algoritmasından yararlanılmış olup uygulama için WEKA programı tercih edilmiştir. Çalışmanın sonucunda pay piyasalarında ve makroekonomik değişkenlerde meydana gelen değişimlerden yararlanarak yatırımcıların hangi yatırım araçlarına yatırım yapabileceği veya hangi yatırım araçlarını takip edebileceği ortaya konmaya çalışılmıştır. Bu çalışmadan elde edilen en temel sonuç; Borsa İstanbul 30 endeksinde yer alan paylardan mali endeks bünyesinde bankacılık endeksi paylarının büyük oranda birlikte hareket etmesidir.

Anahtar Kelimeler

Veri Madenciliği, Birliktelik Kuralları, FP-Growth, Portföy Yönetimi

Kaynakça

• ABAZEED Ashraf, Ali MAMAT, Md Nasir SULAIMAN, and Hamidah IBRAHIM., “Scalable Approach for Mining Association Rules from Structured XML Data”, 2009 2nd Conference on Data Mining and Optimization, Kajand, Malaysia: IEEE, 2009, ss. 5-9, doi:10.1109/DMO.2009.5341918.
• AGRAWAL Rakesh, Ramakrishnan SRIKANT, “Fast Algorithms for Mining Association Rules”, 20th VLDB Conference, Chile, 1994, s. 13.
• AKTAŞ Hüseyin, Koray KAYALIDERE, Yasemin KARATAŞ, "Petrol, Dolar Kuru ve Hisse Senedi Piyasası Arasındaki Ortalama-Oynaklık Yayılım Etkisi: BIST100 Üzerine Bir Uygulama". Muhasebe ve Vergi Uygulamaları Dergisi, (2018), 354-377.
• AKTAŞ Metin, Saffet AKDAĞ, "Türkiye’de Ekonomik Faktörlerin Hisse Senedi Fiyatları ile İlişkilerinin Araştırılması", International Journal Social Science Research, 2(2), (2013), ss. 50-67.
• ALAN Mehmet Ali, Elektronik Ticaret ve İşletmeden Tüketiciye (B2C) Modeli Uygulaması, (Doktora Tezi Tezi), Sivas: Cumhuriyet Üniversitesi, 2002.
• ARGIDDI Rajesh, S. S. APTE, “Future Trend Prediction of Indian IT Stock Market using Association Rule Mining of Transaction data”, International Journal of Computer Applications, C. 39, S. 10 (2012), ss. 30-34, doi:10.5120/4858-7132.
• BARDAK Timuçin, Selahattin BARDAK, “Evaluation of the University Students Friendship Status Effect on Their Academic Achievement with Data Mining Techniques”, 4th International Symposium on Innovative Approaches in Engineering and Natural Sciences Proceedings, SETSCI, 2019, ss. 58-60, doi:10.36287/setsci.4.6.022.
• BAYRAM Onur, Birliktelik Analizi Ve Bir Uygulaması, (Yüksek Lisans Tezi Tezi), İstanbul: Mimar Sinan Güzel Sanatlar Üniversitesi, 2014.
• BERUMENT Hakan, Onur İNCE, “Effect of S&P500’S return on emerging markets: Turkish experience” Applied Financial Economics Letters, (2005), pp. 59-64.
• BRAMER Max A., Principles of Data Mining, Third edition., London: Springer, 2016, s. 3.
• BULUT Şahin, "Türkiye'de Seçilmiş Makroekonomik Değişkenler ile İstanbul Menkul Kıymetler Borsası (İMKB) Aarasındaki İlişki", Aydın: Yüksek Lisans Tezi, T.C. Adnan Menderes Üniversitesi, SBE, İktisat Anabilim Dalı, (2013).
• CABENA Peter, (ed.), Discovering data mining: from concept to implementation, Upper Saddle River, N.J: Prentice Hall, 1998, s. 12.
• CHANG, Hong-Yi, Jia-Chi LIN, Mei-Li CHENG, and Shih-Chang HUANG, “A Novel Incremental Data Mining Algorithm Based on FP-Growth for Big Data”, 2016 International Conference on Networking and Network Applications (NaNA), Hakodate City, Hokkaido, Japan: IEEE, 2016, ss. 375-78, doi:10.1109/NaNA.2016.77.
• CHEN Min, XueDong GAO, HuiFei LI, “An Efficient Parallel FP-Growth Algorithm”, 2009 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery, Zhangijajie, China: IEEE, 2009, ss. 283-86, doi:10.1109/CYBERC.2009.5342148.
• COŞKUN, Yener, A. Öznur ÜMİT, "Türkiye’de Hisse Senedi ile Döviz, Mevduat, Altın, Konut Piyasaları Arasındaki Eşbütünleşme İlişkilerinin Analizi", Business and Economics Research Journal, 7(1), (2016), 47-69. doi:10.20409/berj.2016116804 s.54.
• DAĞLI Hüseyin, Hasan AYAYDIN, "Gelişen Piyasalarda Hisse Senedi Getirisini Etkileyen Makroekonomik Değişkenler Üzerine Bir İnceleme: Panel Veri Analizi", Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 26(3-4), (2012), 45-65.
• DALKILIÇ Feriştah, Ömer AYDIN, “The factors affecting the non-attendance behaviors of the students in the faculty of economics and administrative sciences in Dokuz Eylül University”, Journal of Higher Education and Science, C. 7, S. 3 (2017), s. 546, doi:10.5961/jhes.2017.231.
• DHARMARAAJAN K., M. A. DORAIRANGASWAMY, “Analysis of FP-Growth and Apriori Algorithms on Pattern Discovery from Weblog Data”, 2016 IEEE International Conference on Advances in Computer Applications (ICACA), Coimbatore, India: IEEE, 2016, ss. 170-74, doi:10.1109/ICACA.2016.7887945.
• DONDURMACI Gülser Acar, Ayşe ÇINAR, “Finans Sektöründe Veri Madenciliği Uygulaması”, Akademik Sosyal Araştırmalar Dergisi, C. 2, S. 1 (2014), s. 258-271.
• DÖŞLÜ Ayhan, Veri Madenciliğinde Market Sepet Analizi Ve Birliktelik Kurallarının Belirlenmesi, (Yüksek Lisans Tezi Tezi), İstanbul: Yıldız Teknik Üniversitesi, 2008, s. 31.
• DUNHAM Margaret H., Data mining introductory and advanced topics, Upper Saddle River, N.J: Prentice Hall/Pearson Education, 2003. https://www.academia.edu/24898437/DATA_MINING_Introductory_and_Advanced_Topics_Part_I (Erişim Tarihi: 09.03.2020). pp. 5-8.
• ERPOLAT Semra, “Otomobil Yetkili Servislerinde Birliktelik Kurallarının Belirlenmesinde Apriori ve FP-Growth Algoritmalarının Karşılaştırılması”, Anadolu University Journal of Social Sciences, C. 12, S. 1 (2012), ss. 137-146.
• FAMA Eugene, "Stock Returns, Real Activity, Inflation, and Money", The American Economic Review, 71(4), (1981), pp. 545-565.
• GEMİCİ Burhan, Veri Madenciliği Ve Bir Uygulaması, (Yüksek Lisans Tezi Tezi), İzmir: Dokuz Eylül Üniversitesi, 2012.
• GESKE Robert, Richard ROLL, "The Fiscal and Monetary Linkage Between Stock Returns and Inflation", The Journal of Finance, Wiley for the American Finance Association, (1983) 38(1), 1-33.
• GÖKAY EMEL Gül, Çağatan TAŞKIN, Arif TOK, “Pazarlama Stratejilerinin Oluşturulmasında Bir Karar Destek Aracı: Birliktelik Kuralı Madenciliği”, DEÜ Sosyal Bilimler Enstitüsü Dergisi, C. 7, S. 3 (2005), http://acikerisim.deu.edu.tr:8080/xmlui/handle/20.500.12397/5573, s. 30-59.
• GÜNGÖR Bener, Ceyda YERDELEN KAYGIN, "Dinamik Panel Veri Analizi İle Pay senedi Fiyatını Etkileyen Faktörlerin Belirlenmesi", Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6(9), (2015), ss. 149-168.
• GYŐRÖDI Cornelia, Robert GYŐRÖDI, Stefan HOLBAN, “A Comparative Study of Association Rules Mining Algorithms”, SACI 2004, 1st Romanian- Hungarian Joint Symposium on Applied Computational Intelligence, Unpublished, 2004, doi:10.13140/2.1.1450.3365, s. 220.
• HAN Jiawei, Micheline KAMBER, Data mining: concepts and techniques, 3rd ed., Burlington, MA: Elsevier, 2012, s. 5-7.
• HAN, Jiawei, Jian PEI, Yiwen YIN, and Runying MAO, “Mining Frequent Patterns without Candidate Generation: A Frequent-Pattern Tree Approach”, Data Mining and Knowledge Discovery, C. 8, S. 1 (2004), ss. 53-87, doi:10.1023/B:DAMI.0000005258.31418.83.
• HAND D. J., Heikki MANNILA, Padhraic SMYTH, Principles of data mining, Cambridge, Mass: MIT Press, 2001, s. 2-7.
• HAND David J, “Principles of Data Mining”:, Drug Safety, C. 30, S. 7 (2007), s. 621, doi:10.2165/00002018-200730070-00010.
• HUMPE Andreas, Peter MACMILLAN, "Can macroeconomic variables explain long-term stock market movements? A comparison of the US and Japan", Applied Financial Economics, 19, (2009), pp. 111–119. Retrieved from online homepage: http://www.tandfonline.com/loi/rafe20.
• ISLAMIYAH, Putri Lestari Ginting, Nataniel DENGEN and Medi TARUK, “Comparison of Priori and FP-Growth Algorithms in Determining Association Rules”, 2019 International Conference on Electrical, Electronics and Information Engineering (ICEEIE), Denpasar, Bali, Indonesia: IEEE, 2019, ss. 320-23, doi:10.1109/ICEEIE47180.2019.8981438.
• JACKSON Joyce, “Data Mining; A Conceptual Overview”, Communications of the Association for Information Systems, C. 8 (2002), s. 267, doi:10.17705/1CAIS.00819.
• JAIN Yogendra Kumar, Vinod Kumar YADAV, Geetika S PANDAY, “An Efficient Association Rule Hiding Algorithm for Privacy Preserving Data Mining”, International Journal on Computer Science and Engineering (IJCSE), C. 3, S. 7 (2011), s. 7.
• JIANG Hao, He MENG, “A Parallel FP-Growth Algorithm Based on GPU”, 2017 IEEE 14th International Conference on E-Business Engineering (ICEBE), Shanghai: IEEE, 2017, ss. 97-102, doi:10.1109/ICEBE.2017.24.
• KALASKAR Ajinkya, Vishali BARKADE, “FP-Growth Policy Mining for Access Control Policies”, 2018 Fourth International Conference on Computing Communication Control and Automation (ICCUBEA), Pune, India: IEEE, 2018, ss. 1-4, doi:10.1109/ICCUBEA.2018.8697508.
• KARASU Başar, Birliktelik Kuralları Madenciliği ve İlginçlik Ölçümleri: Bir Vaka Çalışması, (Yüksek Lisans Tezi Tezi), İzmir: Dokuz Eylül Üniversitesi, 2019.
• KARLI Bahadır, Nicel Değerli Veri Kümelerinden Sıralı Örüntülerin Çıkarılması İçin Fp-Growth Tabanlı Bir Yöntem, (Yüksek Lisans Tezi Tezi), Fırat Üniversitesi, 2010, s. 54.
• KARPIO, Krzysztof, Piotr ŁUKASEWICZ, Arkadiusz ORŁOWSKI, and T. ZĄBKOWSKI. 2013. “Mining Associations on the Warsaw Stock Exchange.” Acta Physica Polonica A 123 (3): 553–559. doi:10.12693/APhysPolA.123.553.
• KİRAZ Alper, İrem DELİİSMAİL, “İnternetten Yapılan Alışverişlerin Veri Madenciliği Teknikleri ile Analizi ve Depo Süreçlerinin İyileştirilmesi”, Bayburt Üniversitesi Fen Bilimleri Dergisi, C. 1, S. 1 (2018), s. 14, s. 28-41.
• KOYUNCU Tuğba, "BİST-100 Endeksinin Makroekonomik Değişkenler İle İlişkisi: Ampirik Bir Çalışma", Finans Ekonomi ve Sosyal Araştırmalar Dergisi (FESA), 3(3), (2018), ss. 615-624.
• KÖSE İlker, Veri Madenciliği Teori Uygulama Ve Felsefesi, İstanbul, Papatya Yayıncılık Eğitim, 2018, s.6-7.
• KUMAR, V. Srinivasa, R. RENGANATHAN, C. VIJAYABANU, and Iyer RAMYA, “Consumer Buying Pattern Analysis Using Apriori Association Rule”, International Journal of Pure and Applied Mathematics, C. 119, S. 7 (2018), ss. 2341-49.
• LAOKIETKUL Jamornkul, Nattavee UTAKRIT, Phayung MEESAD, “A Forecasting Model to Evaluate a Freshman’s Ability to Succeed by Using Particular Full-Scaled Class Association Rules (PFSCARs)”, 2009 International Association of Computer Science and Information Technology - Spring Conference, Singapore: IEEE, 2009, ss. 40-44, doi:10.1109/IACSIT-SC.2009.129.
• LAROSE Daniel T., Data mining methods and models, Hoboken, NJ: Wiley-Interscience, 2006, s. 5.
• LIAO Shu-Hsien, Shan-Yuan CHOU, “Data Mining Investigation of Co-Movements on the Taiwan and China Stock Markets for Future Investment Portfolio”, Expert Systems with Applications, C. 40, S. 5 (2013), ss. 1542-54, doi:10.1016/j.eswa.2012.08.075.
• LIAO Shu-Hsien, Hsu-hui HO, Hui-wen LIN, “Mining Stock Category Association and Cluster on Taiwan Stock Market”, Expert Systems with Applications, C. 35, S. 1-2 (2008), ss. 19-29, doi:10.1016/j.eswa.2007.06.001.
• LIAO Shu-hsien, Chu PEI-HUI, You YING-LU, “Mining the Co-Movement between Foreign Exchange Rates and Category Stock Indexes in the Taiwan Financial Capital Market”, Expert Systems with Applications, C. 38, S. 4 (2011), ss. 4608-17, doi:10.1016/j.eswa.2010.09.134.
• MIN Li, Wang CHUNYAN, Yan YUGUANG, “The Research of FP-Growth Method Based on Apriori Algorithm in MDSS”, 2010 International Conference on Digital Manufacturing & Automation, Changcha, TBD, China: IEEE, 2010, ss. 770-73, doi:10.1109/ICDMA.2010.169.
• NA Sung Hoon, So Young SOHN, “Forecasting Changes in Korea Composite Stock Price Index (KOSPI) Using Association Rules”, Expert Systems with Applications, C. 38, S. 7 (2011), ss. 9046-49, doi:10.1016/j.eswa.2011.01.025.
• NDLOVU Boldwin, Faisal FAISAL, Nil Günsel RESATOGLU, "The Impact of Macroeconomic Variables on Stock Returns: A Case of the Johannesburg Stock Exchange", Romanian Statistical Review(nr.2), (2018), pp.87-104.
• OKYAY Uçan, Fatih GÜZEL, Melek ACAR, “Makroekonomik Göstergelerin Borsa Endeksi Üzerine Etkisi: Panel Veri Analizi İle Borsa İstanbul’da Bir Uygulama”, Muhasebe Bilim Dünyası Dergisi, 19(2) (2017), ss. 509-523.
• ÖZER Ali, Abdulkadir KAYA, Nevin ÖZER, "Hisse Senedi Fiyatları ile Makroekonomik Değişkenlerin Etkileşimi", Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 26(1), (2011), ss.163-182.
• ÖZTÜRK Gözde, Abdullah TANRISEVDİ, “Uluslararası Kruvaziyer Ziyaretçilerine Ait Özelliklerin Birliktelik Kuralı Modeli İle Analizi”, Uluslararası İktisadi ve İdari Bilimler Dergisi, C. 3, S. 1 (2017), ss. 131-48.
• PANDEY Anjana, K.R. PARDASANI, “Rough Set Model for Discovering Hybrid Association Rules”, International Journal of Computer Science and Network Security (IJCSNS), C. 9, S. 6 (2009), s. 160.
• PEI Bin, Xiuzhen WANG, Fenmei WANG, “Parallelization of FP-Growth Algorithm for Mining Probabilistic Numerical Data Based on MapReduce”, 2016 9th International Symposium on Computational Intelligence and Design (ISCID), Hangzhou: IEEE, 2016, ss. 223-26, doi:10.1109/ISCID.2016.2060.
• PEÑA-AYALA Alejandro, “Educational Data Mining: A Survey and a Data Mining-Based Analysis of Recent Works”, Expert Systems with Applications, C. 41, S. 4 (2014), ss. 1432-62, doi:10.1016/j.eswa.2013.08.042.
• RATANAPAKORN Orawan, Subhash C. SHARMA, "Dynamic analysis between the US stock returns and the macroeconomic variables", Applied Financial Economics, 17(5), (2007), pp. 369–377.
• RAY Sarbapriya, "Testing Granger Causal Relationship between Macroeconomic Variables and Stock Price Behaviour: Evidence from India", Advances in Applied Economics and Finance (AAEF), 3(1), (2012), 470-481.
• RAZA Naveed, Syed Jawad Hussain SHAHZAD, Aviral Kumar TIWARI, Muhammad SHAHBAZ, "Asymmetric Impact of Gold, Oil Price and Their Volatilities on Stock Prices of Emerging Markets", Resources Policy, 49, (2016), 290-301.
• ROLL Richard, Stephen A. ROSS, “The Arbitrage Pricing Theory Approach to Strategic Portfolio Planning”, Financial Analysts Journal, C. 40, S. 3 (1984), ss. 14-26.
• SAĞIN Ayşe Nur, Veri madenciliği algoritmaları ile birliktelik kurallarının belirlenmesi: Perakende sektöründe bir uygulama, (Yüksek Lisans Tezi Tezi), İstanbul: İstanbul Ticaret Üniversitesi, 2018.
• SANCAR Canan, Ahmet UĞUR, Yusuf Ekrem AKBAŞ, "Hisse senedi fiyat endeksi ile makroekonomik değişkenler arasındaki ilişkinin analizi: Türkiye örneği", International Journal of Social Sciences and Education Research, 3(5), (2017), ss. 1774-1786.
• SEVİNÇ Erkan, "Makroekonomik değişkenlerin, BİST-30 endeksinde işlem gören hisse senedi getirileri üzerindeki etkilerinin arbitraj fiyatlama modeli kullanarak belirlenmesi", İstanbul Üniversitesi İşletme Fakültesi Dergisi, 43(2), (2014), 271-292.
• SHARPE Steven, "Stock Prices, Expected Returns, and Inflation", Washington: Division of Research and Statistics Federal Reserve Board Washington, (1999), s. 2.
• SİVRİ Elif Şafak, “Veri Madenciliği E ticaret İçin Ürün Tavsiye Sisteminin Geliştirilmesi”, (Yüksek Lisans Tezi Tezi), İstanbul: İstanbul Ticaret Üniversitesi, 2015, s. 23-25.
• SONG Yunlong, Ran WEI, “Research on Application of Data Mining Based on FP-Growth Algorithm for Digital Library”, 2011 Second International Conference on Mechanic Automation and Control Engineering, Inner Mongolia, China: IEEE, 2011, ss. 1525-28, doi:10.1109/MACE.2011.5987239.
• SÖYLEMEZ İsmet, Ahmet DOĞAN, Uğur ÖZCAN, “Trafik Kazalarında Birliktelik Kuralı Analizi: Ankara İli Örneği”, Ege Akademik Bakış (Ege Academic Review), C. 16, S. OZEL (2016), doi:10.21121/eab.2016OZEL24423. s. 11-20.
• SUMATHI S., S. N. SIVANANDAM, Introduction to data mining and its applications, Berlin ; New York: Springer, 2006.
• TİMOR Mehpare, Ayşegül EZERÇE, U. Tuğba GÜRSOY, “Müşteri Profili Ve Alışveriş Davranışlarını Belirlemede Kümeleme Ve Birliktelik Kuralları Analizi: Perakende Sektöründe Bir Uygulama-”, İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü Yönetim Dergisi, C. 22, S. 68 (2017), ss.128-147, s. 132.
• TING Jo, Tak-chung FU, Fu-lai CHUNG, “Mining of Stock Data: Intra- and Inter-Stock Pattern Associative Classification”, Proceedings of the 2006 International Conference on Data Mining, DMIN 2006, Las Vegas, Nevada, USA, June 26-29, s. 29-36.
• TİRYAKİ Ahmet, Levent ERDOĞAN, Reşat CEYLAN, "The Casual Relationship Between Selected Macroeconomic Variables and Stock returnes in Turkey", International Journal of Economic and Administrative Studies, 19, (2017), pp. 299-326.
• UMER Muhammad, "Macroeconomic Variables Impact on Stock Market Performance in the Short & Long Run: A Pakistan Perspective", Research Journal of Finance and Accounting, 7(11), (2016), pp.10-22.
• ÜNSAL Özkan, “Veri Madenciliği Teknikleri ile Hisse Senetleri Arasındaki Fiyat Etkileşimlerinin Belirlenmesi”, Mühendislik Bilimleri ve Tasarım Dergisi, C. 8, S. 5 (2020), ss. 106-12, doi:10.21923/jesd.834105.
• VERMA Sushil Kumar, R.S. THAKUR, Shailesh JALOREE, “Fuzzy Association Rule Mining based Model to Predict Students’ Performance”, International Journal of Electrical and Computer Engineering (IJECE), C. 7, S. 4 (2017), s. 2223, doi:10.11591/ijece.v7i4.pp2223-2231.
• VIJAYARANI S, S DHAYANAND, “Data Mining Classification Algorithms for Kidney Disease Prediction”, International Journal on Cybernetics & Informatics, C. 4, S. 4 (2015), ss. 13-25, doi:10.5121/ijci.2015.4402.
• VIJAYARANI S., S. SHARMILA, “Comparative Analysis of Association Rule Mining Algorithms”, 2016 International Conference on Inventive Computation Technologies (ICICT), Coimbatore, India: IEEE, 2016, ss. 1-6, doi:10.1109/INVENTIVE.2016.7830203.
• WU Yi-Hung, Arbee L. P. CHEN, “Prediction of Web Page Accesses by Proxy Server Log”, World Wide Web, C. 5, S. 1 (2002), s. 88, doi:10.1023/A:1015750423727.
• XU Zhi-Min, Rui ZHANG, “Financial revenue analysis based on association rules mining”, 2009 Asia-Pacific Conference on Computational Intelligence and Industrial Applications (PACIIA), Wuhan, China: IEEE, 2009, ss. 220-23, doi:10.1109/PACIIA.2009.5406454
• ZERMAN Mesut, Birliktelik Kuralı Algoritmaları İle Büyük Veriler Üzerinde Analitik Analizler: Havaalanı Örneği, (Yüksek Lisans Tezi Tezi), İstanbul: Haliç Üniversitesi, 2018.
• ZHANG Wei, Hongzhi LIAO, Na ZHAO, “Research on the FP Growth Algorithm about Association Rule Mining”, 2008 International Seminar on Business and Information Management, Wuhan: IEEE, 2008, ss. 315-18, doi:10.1109/ISBIM.2008.177.
• ZHAO Qiankun, Sourav S. BHOWMICK, “Association Rule Mining: A Survey”, Technical Report, Nanyang Technological University, 2003, s. 14.
• ZHENGUO Ding, Wei QİNQİN, Ding XIANHUA, “An Improved FP-Growth Algorithm Based on Compound Single Linked List”, 2009 Second International Conference on Information and Computing Science, Manchester, England, UK: IEEE, 2009, ss. 351-53, doi:10.1109/ICIC.2009.96.
• Investing.com, https://www.investing.com/indices/us-spx-500-historical-data, 25.12.2019
• TCMB, https://evds2.tcmb.gov.tr/index.php?/evds/serieMarket, 25.12.2019.
• TÜİK, http://www.tuik.gov.tr/UstMenu.do?metod=temelist, 25.12.2019.
• Yahoo Finance, https://finance.yahoo.com/, 25.12.2019.
• “Borsa İstanbul Endeksleri”, Borsa İstanbul, 15.01.2020, https://www.borsaistanbul.com/endeksler/bist-pay-endeksleri.