Yapay zekâ tabanlı haber analizi ve hisse senedi fiyat tahmini
Artificial intelligence-based news analysis and stock price prediction
- Tez No: 1010991
- Danışmanlar: DR. ÖĞR. ÜYESİ MASHA MİKAEİLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay Zekâ, Hisse Senedi Fiyat Tahmini, Duygu Analizi, Doğal Dil İşleme, LSTM, BIST 100, Artificial Intelligence, Stock Price Prediction, Sentiment Analysis, Natural Language Processing, LSTM, BIST 100
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Okan Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı, Borsa İstanbul (BIST 100) endeksinde işlem gören yüksek hacimli THYAO, TUPRS ve BIMAS hisselerinin bir gün sonrası (T+1) kapanış fiyatlarını tahmin etmektir. Çalışmada finansal haber metinlerinden Doğal Dil İşleme (NLP) yöntemleri kullanılarak günlük duygu skorları elde edilmiş ve bu skorlar fiyat verileri ile teknik göstergelerle birleştirilerek tahmin modellerine girdi olarak kullanılmıştır. Tahmin modeli olarak derin öğrenme tabanlı Uzun Kısa Süreli Bellek (LSTM) mimarisi kullanılmış ve elde edilen sonuçlar Random Forest, Destek Vektör Makinesi (SVM), XGBoost ve Ridge modelleri ile karşılaştırılmıştır. Deneysel sonuçlar, finansal haberlerden elde edilen duygu bilgisinin özellikle yoğun haber akışının olduğu dönemlerde yönsel tahmin doğruluğunu artırdığını göstermektedir. En dengeli performansın ise fiyat verileri, teknik göstergeler ve duygu analizinden elde edilen verilerin birlikte kullanıldığı hibrit model yapısında elde edildiği görülmüştür. Çalışma sonuçları, yapay zekâ ve makine öğrenmesi tabanlı yöntemlerin finansal piyasalarda tek başına karar verdiren sistemlerden ziyade yatırım kararlarını destekleyen bir karar destek aracı olarak daha uygun olduğunu göstermektedir.
Özet (Çeviri)
The aim of this study is to forecast the one-day-ahead (T+1) closing prices of high-volume stocks in the BIST 100 index, namely THYAO, TUPRS, and BIMAS. In this study, daily sentiment scores were extracted from financial news texts using Natural Language Processing (NLP) techniques. These sentiment scores were combined with price data and technical indicators to create input features for prediction models. A deep learning-based Long Short-Term Memory (LSTM) model was used as the primary forecasting approach, and its performance was compared with several machine learning models, including Random Forest, Support Vector Machine (SVM), XGBoost, and Ridge regression. The experimental results indicate that sentiment information derived from financial news contributes to improving directional prediction accuracy, particularly during periods of intense news flow. The most balanced performance was achieved when price data, technical indicators, and sentiment features were integrated within a hybrid modeling framework. Overall, the findings suggest that artificial intelligence and machine learning-based models are more suitable as decision-support tools rather than fully autonomous decision-making systems in financial markets.
Benzer Tezler
- Sentiment-driven forecasting of short-term asset price directions using large language models
Büyük dil modelleri kullanarak varlık fiyatlarının kısa vadeli yönlerinin duygu odaklı tahmini
AHMET BERKAY GÜLTEKİN
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. ALP ÜSTÜNDAĞ
- Constructing trading strategies using artificial intelligence based models: An application for Borsa Istanbul
Yapay zeka temelli modeller kullanarak alım satım stratejilerinin oluşturulması: Borsa İstanbul için bir uygulama
BERÇİM BERBEROĞLU
- Haber kaynaklarındaki videoların derin sahteliğinin görüntü analizi ve metin doğrulaması için derin öğrenme yöntemlerinin kullanımı
Use of deep learning methods for image analysis and textverification of video deepfakes in news sources
NURCAN YARDIMCI
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN ERGEN
- 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
- A user based comparative study of automatic text summarization
Otomatik metin özetlemede kullanıcı tabanlı karşılaştırma çalışması
NAJMA ABDI OMAR
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEVCİHAN DURU