Financial sentiment analysis in BIST100 companies' annual reports: A comparision of dictionary based and deep learning based methods
BIST100 şirketlerinin faaliyet raporlarında finansal duygu analizi: Sözlük tabanlı ve derin öğrenme tabanlı yöntemlerin karşılaştırılması
- Tez No: 917845
- Danışmanlar: PROF. DR. ONUR YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Doğal dil işleme, Natural language processing
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Finansın karmaşık ortamında, piyasa duygularını anlamak yatırımcılar, finansal analistler ve karar vericiler için büyük önem taşıyor. Bu çalışma, doğal dil işleme ve makine öğrenimi ile desteklenen güçlü bir yaklaşım olan duygu analizini incelemektedir. BIST100 şirketlerinin yıllık raporlarından oluşan kapsamlı bir veri kümesi, bu araştırmanın temelini oluşturmakta ve duygular ile finansal verilerin etkileşiminden içgörüler elde eden detaylı analizlere olanak sağlamaktadır. Sözlük tabanlıdan derin öğrenme tabanlıya kadar farklı duygu analizi metodolojilerini kullanan bu araştırma, finansal raporların metnine gömülü duygu kalıplarının geniş bir görünümünü sunmaktadır. Hesaplanan duygu puanları karşılaştırılarak farklı yaklaşımların güçlü yönleri ve sınırlılıkları ortaya konmaktadır. Bu karşılaştırmalı analiz, her bir yöntemin finansal dilin karmaşık dokusu içindeki nüansları yakalama kapasitesini ortaya çıkarmaktadır. Ayrıca, bu duygu puanları zaman içinde Türkiye'nin GSYH büyüme oranları ile büyüleyici bir bağlantı göstererek ekonomik gidişat ile ifade edilen duygular arasında net bir bağlantı kurmaktadır. Finansal performans ve duygu eğilimleri arasındaki gözlenen korelasyon, piyasa dinamiklerinin yıllık raporlardaki duygusal temaları nasıl etkilediğine dair bir pencere sunmaktadır. Finansal belgelerdeki duyguları daha iyi anlamamızı sağlayan bu çalışma, yalnızca daha bilinçli karar alma süreçlerini desteklemekle kalmayıp aynı zamanda gelecekteki araştırmalar için de zemin hazırlamaktadır. Duygu analizi gelişmeye devam ederken, bu çalışma yeni metodolojilerin entegrasyonuna ortam sağlayarak finansal analiz ve karar alma süreçlerinin geleceğini şekillendirmede duygu analizinin potansiyelini ortaya koymaktadır.
Özet (Çeviri)
Within the complicated finance environment, understanding market sentiments is crucial for investors, financial analysts, and decision-makers. This study looks at sentiment analysis, a powerful approach supported by natural language processing and machine learning. Carefully gathered, a comprehensive dataset of BIST100 companies' annual reports creates the foundation of this research, allowing detailed analyses that extract insights from the combination of emotions and financial data. Using different sentiment analysis methodologies, from dictionary-based to deep learning-based, this research offers a broad view of sentiment patterns embedded within the text of financial reports. The calculated sentiment scores are compared and contrasted, revealing the strengths and limitations of each approach. This comparative analysis shows the capacity of each method to capture nuances within the complex financial language. Moreover, these sentiment scores show a fascinating connection with Türkiye's GDP growth rates over time, forming a clear link between economic patterns and expressed sentiments. The observed correlation between financial performance and sentiment trends offers a view into how market dynamics influence the emotional themes in annual reports. By improving our understanding of sentiments in financial documents, this study not only supports more informed decision-making but also builds a base for future research. As sentiment analysis continues to develop, this work opens the way for integrating emerging methodologies, showing the potential of sentiment analysis in shaping the future of financial analysis and decision-making.
Benzer Tezler
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Menkul kıymet piyasalarında, kurumsal yatırım, yatırımcı duyarlılığı ve hisse senedi getirileri ilişkisinin incelenmesi
The relationship between aggregate investment, investor sentiment and stock returns
TÜLİN ANLAŞ
- 2022 yılında Borsa İstanbul'da halka arz olan şirketlerin dahil olduğu endekse etkisi: Yazılım destekli analiz süreciyle gerçekleştirilen olay çalışması
Impact of ipos on sectoral indices in borsa İstanbul in 2022: An event study with a software-assisted analytical framework
FUNDANUR UZUN
- Menkul kıymet yatırımları açısından sermaye piyasası kanununa göre yayınlanan finansal tablo ve raporların yeterliliği
Başlık çevirisi yok
HAMDİ AYDIN