Aracı kurumların görsel raporlarından çıkarılan verilerle hisse senedi önerilerinin makine öğrenmesi ile tutarlılık analizi
Consistency analysis of stock recommendations with machine learning using data extracted from brokerage firms visual reports
- Tez No: 1005544
- Danışmanlar: DR. ÖĞR. ÜYESİ NURİ BİNGÖL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Borsa İstanbul'da aracı kurumların hisse senedi önerilerinin piyasa verileriyle ne kadar tutarlı olduğunu makine öğrenmesi yöntemleriyle analiz etmektedir. 2020–2021 döneminde Ziraat Yatırım'ın görsel raporlarından OCR yöntemiyle çıkarılan veriler kullanılmıştır. Random Forest ve XGBoost algoritmaları karşılaştırılmış; RMSE, MAE ve MSE ölçütlerine göre Random Forest daha başarılı bulunmuştur. Ayrıca, Gedik Yatırım verileriyle yapılan dış testlerde de bu üstünlük korunmuştur. Bulgular, makine öğrenmesi yöntemlerinin analist önerilerinin kısa vadeli etkilerini anlamada etkili bir araç olduğunu göstermektedir.
Özet (Çeviri)
This study analyzes the consistency between brokerage firms' stock recommendations and market data in Borsa Istanbul using machine learning methods. Data extracted from Ziraat Investment's visual reports for the 2020–2021 period through OCR were utilized. Random Forest and XGBoost algorithms were compared, and evaluation metrics (RMSE, MAE, MSE) showed that Random Forest outperformed XGBoost. The superiority of Random Forest was also confirmed through external testing with data from Gedik Investment. The findings demonstrate that machine learning methods are effective tools for understanding the short-term impact of analysts' stock recommendations.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Üstün yetenekli öğrencilere yazılım geliştirme süreçlerinin öğretilmesine yönelik bir öğretim programının tasarlanması ve geliştirilmesi
Design and development of an instructional program for teaching programming process to gifted students
HATİCE DURAK
Doktora
Türkçe
2016
Eğitim ve ÖğretimGazi ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. TOLGA GÜYER
- Konut değerlemesinde yerel ve konum indekslerinin belirlenerek çoklu regresyon ve derin öğrenme yöntemleri ile analizi: Mersin ili örneği
Analyses with multiple regression and deep learning methods by determining local and location indices in housing valuation: A case study of Mersin province
BEYZA ÖNÜGÖREN
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriMersin ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA BÜNYAN ÜNEL
- Zihin engelli çocuklar için düzenlenen değerlendirme raporlarının öğretmen görüşlerine göre değerlendirilmesi
Başlık çevirisi yok
ALİ KESKİNER
- Babillerin dini tarihi
Religious history of the Babylonists
AYŞE TÜRKMEN KÖKSAL
Yüksek Lisans
Türkçe
2024
DinKilis 7 Aralık ÜniversitesiFelsefe ve Din Bilimleri Ana Bilim Dalı
DOÇ. DR. ABDULLAH ALTUNCU