Geri Dön

Makine öğrenmesi ile hisse senetlerinin fiyat tahminlemesi: BİST 100' de bir uygulama

Price forecasting of shares by machine learning: An application in BIST 100

  1. Tez No: 890638
  2. Yazar: OSMAN NURİ AKARSU
  3. Danışmanlar: DOÇ. DR. SEYHAN ÖZTÜRK
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Kafkas Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 337

Özet

Finansal piyasalar, ekonomik büyüme ve kalkınmaya katkıda bulunarak finansal varlıkların ve kaynakların değişimini kolaylaştırmaları nedeniyle büyük önem taşımaktadır. Araştırmalar, finansal okuryazarlığın ve finansal piyasalara ilişkin farkındalığın artırılmasının piyasa katılımını artırabileceğini göstermektedir. Bu artan katılım, finansal varlıkların daha yüksek işlem hacimlerine yol açmakta ve bu da ekonomi üzerinde olumlu bir etki yaratmaktadır. Finansal piyasalar, mevduat, hisse senedi, bono, döviz, tahvil, türev ürünler ve sigorta piyasaları gibi birçok segmenti kapsamaktadır ve bu piyasalar toplu olarak ekonomik faaliyetleri yönlendirmektedir. Araştırmanın temel amacı, BIST 100 endeksine kote olup 1993-2023 yılları arasında düzenli verisine erişilebilen 30 şirketin Hisse Senedi Kapanış Fiyatlarını tahmin etmektir. Bu süreçte finansal oranlar ve teknik indikatörler bağımsız değişkenler olarak kullanılmış ve bağımlı değişken olarak Hisse Senedi Kapanış Fiyatı belirlenmiştir. Çalışmada, bankaların finansal tabloları temel yapı itibariyle diğer sektörlerden faklı olduğundan dolayı diğer sektörlerde 35 değişken, bankalarda ise 30 değişken üzerinden ayrı ayrı analizleri yapılıp değerlendirilmiştir. Araştırma kapsamında, ANN, CNN, SVM, LSTM ve GRU gibi makine öğrenmesi modelleri ile PSO ve GA optimizasyon algoritmaları kullanılarak hibrit modeller geliştirilmiştir. Çalışmada kullanılan modellerin performansları incelenmiş ve yüksek doğruluk gösteren modeller belirlenmiştir. SVM modeli, hem sektörler hem de bankalar için en yüksek performansı göstermiştir. Optimize edilen modeller arasında, PSO+ANN modeli diğer sektörlerde, PSO+SVM modeli ise bankalarda en iyi performansı sergilemiştir. Çalışmada, bağımsız değişkenlerin hisse senedi kapanış fiyatlarına etkisi incelenmiş ve en yüksek etkiye sahip değişkenler tespit edilmiştir. Ayrıca araştırmanın bulguları, finansal temel oranlar ve teknik indikatörlerle desteklenen makine öğrenimi yöntemleri kullanılarak hisse senetlerinin gelecekteki davranışlarının başarılı bir şekilde tahmin edilebileceğini göstermektedir. Bu durum, geçmiş verilere dayalı tahminlerin mümkün olmadığını öne süren Etkin Piyasa Hipotezi (EMH) ile çelişmektedir. Yüksek R2 değerleri ve doğruluk oranları, piyasanın zayıf formda ve yarı güçlü formda etkin olmadığını ortaya koymaktadır.

Özet (Çeviri)

Financial markets are important as they facilitate the exchange of financial assets and resources, contributing to economic growth and development. Research shows that increasing financial literacy and awareness of financial markets can increase market participation. This increased participation leads to higher transaction volumes of financial assets, which in turn has a positive impact on the economy. Financial markets cover many segments, such as deposit, equity, bond, foreign exchange, foreign currency, bond, derivatives, and insurance markets, and these markets collectively drive economic activities. The main objective of the research is to forecast the closing stock prices of 30 companies listed in the BIST 100 index for which regular data are available between 1993 and 2023. In this process, technical indicators and financial ratios are used as independent variables, and stock closing price is determined as the dependent variable. In the study, since the financial statements of banks are different from other sectors in terms of basic structure, 35 variables in other sectors and 30 variables in banks were analysed and evaluated separately. Within the scope of the research, hybrid models were developed using machine learning models such as ANN, CNN, SVM, LSTM GRU, PSO, and GA optimization algorithms. The performances of the models used in the study were analyzed, and high-accuracy models were identified. The SVM model showed the highest performance for both sectors and banks. Among the optimized models, the PSO+ANN model performed the best in other sectors, and the PSO+SVM model performed the best in banks. In addition, the effect of independent variables on stock closing prices was analyzed, and the variables with the highest effect were identified. The findings of the research show that the future behaviour of stocks can be successfully predicted using machine learning methods supported by fundamental ratios and technical indicators. This contradicts the Efficient Market Hypothesis (EMH), which suggests that predictions based on historical data are not possible. High R2 values and accuracy ratios suggest that the market is inefficient in the weak form and semi-strong form.

Benzer Tezler

  1. Hisse senedi fiyatlarının makine öğrenmesi yöntemleri ve derin öğrenme algoritmaları ile tahmini

    Estimations of opening and closing stock prices through machine learning methods and deep learning algorithms

    UĞUR DEMİREL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGümüşhane Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. HANDAN ÇAM

    DR. ÖĞR. ÜYESİ RAMAZAN ÜNLÜ

  2. Predicting direction of stock price movement by using adaptive ensemble learning method

    Hisse senedi fiyatı hareket yönünün adaptif topluluk öğrenmesi metodu ile tahmin edilmesi

    ALİ ÖZKAN PEKMEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  3. Predicting stock prices in bist: A reinforcement learning and sentimental analysis approach

    Pekiştirmeli derin öğrenme ve duyarlılık analizi yaklaşımı ile bıstteki hisselerin fiyatlarının tahmin edilmesi

    ŞEYMA EĞE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Büyük Veri ve Veri Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  4. Hisse senedi fiyat tahmininde otokodlayıcı ve graf evrişimli ağının uygulanması

    Application of autoencoder and graph convolutional network in stock price prediction

    MAHMUT LUTFULLAH ÖZBİLEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

  5. Makine öğrenmesi yöntemleriyle zaman serilerinde değer tahminleme

    Value estimation in time series by machine learning methods

    MUSTAFA ÜLKER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ