Makine öğrenmesi ile hisse senetlerinin fiyat tahminlemesi: BİST 100' de bir uygulama
Price forecasting of shares by machine learning: An application in BIST 100
- Tez No: 890638
- Danışmanlar: DOÇ. DR. SEYHAN ÖZTÜRK
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kafkas Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGümüşhane Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. HANDAN ÇAM
DR. ÖĞR. ÜYESİ RAMAZAN ÜNLÜ
- 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
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- 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
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve Veri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
- Makine öğrenmesi yöntemleriyle zaman serilerinde değer tahminleme
Value estimation in time series by machine learning methods
MUSTAFA ÜLKER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ