Hisse senedi piyasasında temel ve teknik analiz ile makine öğrenimi yaklaşımı
Machine learning approach with fundamental and technical analysis in stock market
- Tez No: 1025510
- Danışmanlar: DOÇ. DR. MUSTAFA KORAY ÇETİN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Veri işleme kapasitesindeki artış ve yapay zekâ teknolojilerindeki gelişmeler, finansal tahmin çalışmalarında makine öğrenmesi yöntemlerinin kullanımını önemli ölçüde artırmıştır. Yeni yöntemlerin yatırım stratejilerinde kullanımı hem temel analiz hem de teknik analiz de mümkündür. Bu sebeple çalışmada, makine öğrenimi algoritmalarını ile temel analiz ve teknik analiz, birbirinden bağımsız yaklaşımlar olarak değil, ardışık ve bütünleşik bir karar verme mekanizması çerçevesinde ele alınmıştır. Analizler için çeşitli temel finansal oranlar ve teknik analiz indikatörleri girdi olarak kullanılmıştır. Temel ve teknik analiz süreçleri, makine öğrenmesi modelleri tarafından üretilen tahminler doğrultusunda gerçekleştirilmiştir. Çalışmada finansal getiri tahmini için denetimli öğrenme kapsamında sınıflandırma algoritmaları kullanılmıştır. Finansal verileri modelleyebilmesi, doğrusal olmayan ilişkileri yakalayabilmesinden dolayı destek vektör makineleri (SVM), karar ağacı, rastgele orman (Random Forest) algoritmaları tercih edilmiştir. Teknik analize gönderilecek şirketlerin seçimi için temel analiz yaklaşımı kullanılmıştır. Bu amaçla öncelikle sektör gruplamaları yapılmıştır. Makine öğrenimi algoritmaları içerisinden değerlendirme kriterleri en yüksek olan modeller seçilerek, bu modellerde pozitif getiri sağlayacağı tahmin edilen şirketler teknik analiz için seçilmiştir. Kısaca temel analiz makine öğrenimi tahmin sonuçları ile portföy oluşturulmuş, teknik analiz makine öğrenimi tahmin sonuçları ile üretilen sinyal tahminleri üzerinden işlem zamanlarına karar verilmiştir. Makine öğrenimi algoritmaları ile temel ve teknik analizin entegre kullanımı piyasanın üzerinde getiri elde edilmesini sağlamıştır. Sonuçlar, yapay zekâ yöntemlerinin yatırım kararlarında kullanımının potansiyelini göstermiştir.
Özet (Çeviri)
The increase in data processing capacity and advancements in artificial intelligence technologies have significantly increased the use of machine learning methods in financial forecasting. The use of new methods in investment strategies is possible in both fundamental and technical analysis. Therefore, in this study, fundamental analysis and technical analysis were addressed using machine learning algorithms not as independent approaches, but within the framework of a sequential and integrated decision-making mechanism. Various fundamental financial ratios and technical analysis indicators were used as independent variables in the research. Both fundamental and technical analyses were performed using machine learning prediction results. In this study, supervised learning-based classification algorithms were employed to predict financial returns. Support vector machines (SVM), decision trees, and random forest algorithms were preferred because of their ability to model financial data and detect nonlinear relationships. A fundamental analysis approach was employed to identify the companies to be included in the technical analysis. Initially, the companies were grouped according to their respective industry sectors. Subsequently, the machine learning algorithms demonstrating the highest performance based on the selected evaluation metrics were identified, and the companies predicted by these models to generate positive returns were selected for the technical analysis. In summary, a portfolio was created using fundamental analysis machine learning prediction results, and trade timings were determined using the signal predictions generated by machine learning based technical analysis. The integrated use of machine learning algorithms with fundamental and technical analysis resulted in returns exceeding the market average. The results have demonstrated the potential of using artificial intelligence methods in investment decisions.
Benzer Tezler
- XAU/USD prıce predıctıon usıng deep learnıng: hyperparameter optımızatıon wıth bayesıan, grey-wolf and genetıc algorıthms
Derin öğrenme kullanarak XAU/USD fiyat tahmini: bayes, gri kurt ve genetik algoritmalarla hiperparametre optimizasyonu
MELİS KÜÇÜK
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Sign predictability of intraday price returns to formulate appropriate trading strategies with optimum set of equities
Optimum hisse senedi kümesi ile uygun işlem stratejileri oluşturmak için gün içi fiyat getirilerinin işaret tahmin edilebilirliği
ABDURRAHMAN KILIÇ
Doktora
İngilizce
2024
Ekonometriİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- Sermaye piyasasında hisse senedi değerlemede temel analiz yaklaşımı ve şirket değerlemesi
Başlık çevirisi yok
BERK ÇAĞDAŞ
- Teknik analiz göstergeleri kullanarak yatırım kararlarının verilmesi
Investment decisions by using the indicators of technical
DOĞAN UĞUR
- Is it possible to make profit only with technical analysis? ISE national 100 index analysis
Sadece teknik analiz ile kar sağlamak mümkün mü? İMKB ulusal 100 endeks analizi
AYLİN HAŞAL
Yüksek Lisans
İngilizce
2007
Ekonomiİzmir Ekonomi ÜniversitesiFinansal Ekonomi Ana Bilim Dalı
YRD. DOÇ. DR. AYLA OĞUŞ
