Metin madenciliği ve derin öğrenme yöntemleri kullanılarak borsadaki hareketlerin sosyal medya ile ilişkisinin analiz edilmesi
Analyzing the relationship between stock market movements and social media using text mining and deep learning methods
- Tez No: 925486
- Danışmanlar: DR. ÖĞR. ÜYESİ JALE BEKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Sosyal medya etkinlikleri ile finansal piyasa dinamikleri arasındaki karmaşık ilişkinin incelenmesi bilgi getirim ve metin madenciliği süreçlerini içermektedir. Sosyal medyanın yaşamın çeşitli alanlarına nüfuz ettiği bir çağda, bu platformların finansal piyasalar üzerindeki etkisi giderek daha fazla tanınan önemli bir araştırma alanı haline gelmiştir. Yatırımcılar ve finansal kurumlar, piyasa trendleri hakkında bilgi edinmek ve yatırımcı duyarlılığını ölçmek için X gibi platformlara yönelmektedir. Bu platformlarda bilgilerin hızla yayılması, hisse senedi fiyatlarını ve piyasa eğilimlerini önemli ölçüde etkileyebilme potansiyeline sahip olup, sosyal medya analizinin finansal değerlendirmelere dahil edilmesinin önemini vurgulamaktadır. Bu çalışmanın temel amacı, metin madenciliği ve derin öğrenme yöntemlerini kullanarak sosyal medyada özellikle hisse senetleriyle ilgili yapılan tartışmaların finansal piyasa dalgalanmalarıyla nasıl bir ilişki içerisinde olduğunu ortaya koymaktır. X isimli sosyal medya platformu (Eski adıyla Twitter) verilerini titizlikle analiz ederek, gelecekteki piyasa davranışlarının habercisi olabilecek kalıpları ve eğilimleri ortaya çıkarmayı amaçlamaktadır. Çalışma, büyük teknoloji firmalarıyla ilgili tweetlerden oluşan geniş bir veri setinin toplanması ve işlenmesini, ardından bu sosyal medya anlatılarındaki duygusal tonları ve baskın temaları ortaya çıkarmak için duygu analizi ve konu modelleme gibi ileri doğal dil işleme (NLP) tekniklerinin uygulanmasını içermektedir. Çalışmanın metodolojik çerçevesi, birkaç kritik aşamadan oluşmaktadır. İlk olarak, toplanan tweet verilerinden anlamlı özellikler çıkarmak için metin madenciliği teknikleri kullanılmıştır. Bu, sistematik veri temizleme, tokenizasyon, durdurma kelimelerinin çıkarılması ve kelime gömme gibi yöntemlerle özellik çıkarımını içerir. Ardından, araştırmada zaman serisi verilerinin ve sıralı karakteristiklerin yakalanmasını sağlamak için çeşitli derin öğrenme mimarileri kullanılmıştır. Bu yaklaşım, sosyal medya duyarlılığının zaman içindeki evrimini ve bunun hisse senedi fiyat hareketlerine olan etkilerini daha iyi anlamayı sağlamaktadır. Çalışmanın bir başka odağı finansal modellerin öngörü kapasitesini gerçek zamanlı sosyal medya verilerini dahil ederek artırma potansiyelinde yatmaktadır. Geleneksel finansal analiz genellikle tarihsel verilere ve yerleşik finansal göstergelere dayanmakta olup, piyasa duyarlılığındaki hızlı değişimleri yakalamada yetersiz kalabilir. Buna karşılık, sosyal medya platformları, yatırımcıların toplu duygularını ve beklentilerini yansıtan sürekli bir bilgi akışı sunmaktadır. Bu çalışma, sosyal medya verilerinin dahil edilmesinin finansal öngörülerin doğruluğunu ve zamanlamasını, özellikle dalgalı ve yüksek frekanslı ticaret ortamlarında geliştirebileceği hipotezini ileri sürmektedir. Sonuç olarak, bu çalışma, geleneksel finansal analiz ile modern veri odaklı yöntemler arasındaki farkı kapatmayı amaçlamakta ve sosyal medya analitiğini finansal piyasa çalışmalarına dahil etmeyi hedeflemektedir. Sosyal medya verilerinin piyasa hareketlerini anlamada ve tahmin etmede tamamlayıcı bir kaynak olarak değerini vurgulamakta olup, nihayetinde daha sofistike ve uyarlanabilir finansal modellerin geliştirilmesine katkıda bulunmayı amaçlamaktadır. Elde edilen sonuçlara göre, alternatif veri kaynaklarının finansal analiz süreçlerine daha etkili bir şekilde dahil edilmesi durumunda finansal teknoloji ile yatırım yönetimi alanlarında yeni araştırma ve uygulama yolları açabileceği yönündedir.
Özet (Çeviri)
The study of the complex relationship between social media activities and financial market dynamics involves information retrieval and text mining processes. In an era where social media has permeated various areas of life, the impact of these platforms on financial markets has become an increasingly recognized and important area of research. Investors and financial institutions are turning to platforms like Twitter to glean insights into market trends and gauge investor sentiment. The rapid dissemination of information across these platforms possesses the potential to significantly sway stock prices and market trajectories, thereby underscoring the importance of incorporating social media analysis into financial evaluation. The main objective of this research is to harness text mining and deep learning methodologies to delineate how social media discourse, particularly concerning stock markets, correlates with fluctuations in financial markets. By meticulously analyzing X (Formerly Twitter) data, the study endeavors to reveal patterns and trends that may serve as precursors to future market behaviors. The research encompasses the collection and preprocessing of an extensive dataset of tweets associated with major technology firms, followed by the application of sophisticated natural language processing (NLP) techniques, including sentiment analysis and topic modeling, to unearth the emotional undertones and predominant themes within these social media narratives. The methodological framework of this research unfolds through several critical phases. Initially, text mining techniques are employed to distill meaningful features from the amassed tweet data. This entails systematic data cleaning, tokenization, the elimination of stop-words, and feature extraction utilizing methodologies and word embeddings. Subsequently, the research implements deep learning architectures to capture the temporal dependencies and sequential characteristics inherent in the data. This approach facilitates a nuanced understanding of the evolution of social media sentiment over time and its implications for stock price movements. The significance of this research lies in its ability to enhance the predictive capability of financial models through the integration of real-time social media data. Traditional financial analysis predominantly relies on historical data and established financial metrics, which may fail to capture the rapid shifts in market sentiment. In contrast, social media platforms offer a continuous flow of information that reflects the collective emotions and anticipations of investors. This study posits that the inclusion of social media data can enhance the precision and timeliness of financial forecasts, particularly in the context of volatile and high-frequency trading scenarios. Another aspect lies in the potential to increase the predictive capacity of financial models by incorporating real-time social media data. Traditional financial analysis often based on historical data and established financial indicators, which may be inadequate in capturing rapid changes in market sentiment. In contrast, social media platforms provide a continuous flow of information reflecting the collective emotions and expectations of investors. This study hypothesizes that incorporating social media data can improve the accuracy and timeliness of financial forecasts, especially in volatile and high-frequency trading environments. As a result, this study aims to bridge the gap between traditional financial analysis and modern data-driven methods and aims to incorporate social media analytics into financial market studies. It emphasizes the value of social media data as a complementary source in understanding and predicting market movements, ultimately contributing to the development of more sophisticated and adaptable financial models. According to the results obtained, if alternative data sources are included in financial analysis processes more effectively, it can open up new research and application avenues in the fields of financial technology and investment management.
Benzer Tezler
- Otel firmalarına yapılan yorumların metin madenciliği ve derin öğrenme yöntemleri ile analizi
Analysis of reviews made to hotel companies using text mining and deep learning methods
MUHAMMED KAAN AKGÜN
Yüksek Lisans
Türkçe
2025
Yönetim Bilişim SistemleriAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
DR. ÖĞR. ÜYESİ UĞUR DEMİROĞLU
- Türkiye'deki havayolu firmalarıyla ilgili sosyal medya yorumlarının makine öğrenmesi yöntemleriyle sınıflandırılması
Classification of social media comments about airline companies in Turkey by machine learning methods
HATİCE ELİF EKİM
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER
- Metin madenciliği ve makine öğrenmesi ile internet sayfalarının sınıflandırılması
Web page classification using text mining and machine learning
İLKER ŞAHİN
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OUMOUT CHOUSEIN OGLOU
- Classification of arabic text using convolutional neural networks
Konvolutıonal neural ağları kullanılan arabıc metinin sınıflandırması
BILAL SHAKIR FARAJ ALKHASAWE
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ
- Kitlesel çevrimiçi ders platformlarında kurslara yapılan yorumların metin madenciliği kullanılarak duygu analizi
Sentiment analysis of comments on courses on massive online course platforms using text mining
RAMAZAN DAŞGIN
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM