Finansal haber içerikleriyle zenginleştirilmiş zaman serisi verilerinde derin öğrenme tabanlı anomali tespiti
Deep learning based anomaly detection in time series data enriched with financial news content
- Tez No: 940797
- Danışmanlar: DR. ÖĞR. ÜYESİ KÜRŞAT MUSTAFA KARAOĞLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Anomali Tespiti (AT), beklenen davranış modelinden sapma gösteren veri noktalarının ve olağandışı örüntülerin tanımlanması sürecidir. Meteoroloji, sağlık, siber güvenlik ve finans gibi çeşitli alanlarda uygulanabilen AT, özellikle zaman serisi verilerindeki değişimlerin izlenmesinde yaygın olarak kullanılmaktadır. Finansal piyasalarda AT; risk analizi ve yatırım kararlarının şekillendirilmesi açısından, özellikle borsalar gibi ekonomik faaliyetlerin ve yatırımcı davranışlarının yoğun şekilde gözlemlendiği alanlarda önemli bir potansiyele sahiptir. AT sürecinde istatistiksel analiz ve kural tabanlı yaklaşımlar gibi geleneksel yöntemler, veri hacminin artmasıyla birlikte zaman alıcı hale gelmekte ve yüksek hata oranlarına neden olabilmektedir. Buna karşılık, Derin Öğrenme (DÖ) tabanlı modeller büyük veri setlerini daha kısa sürede işleyerek daha yüksek doğruluk oranlarıyla sonuç üretmekte ve analiz süreçlerinde önemli avantajlar sağlamaktadır. Bu tez çalışmasında, finansal haber içerikleriyle zenginleştirilmiş zaman serisi verileri üzerinde hibrit DÖ modelleri kullanılarak AT gerçekleştirilmesi amaçlanmaktadır. Çalışma kapsamında, 2017–2020 yılları arasında yayımlanmış 50 binin üzerinde ekonomi haberi, büyük dil modeli kullanılarak analiz edilmiş ve içeriklerine göre yedi farklı finansal polarite kategorisine ayrılmıştır. Polarite analizinin ardından, BIST100 endeksine ait günlük kapanış verileri ile bu haberler, Facebook Prophet ve Z-skor yöntemleri kullanılarak zaman uyumlu şekilde etiketlenmiştir. Oluşturulan etiketli veri seti, Uzun Kısa-Süreli Bellek (UKSB) tabanlı Otokodlayıcı (OK) modeli ile eğitilmiş, ardından test veri seti üzerinde AT yapılmıştır. Bu çalışma, finansal haber temelli polarite analiziyle zenginleştirilmiş veriler üzerinden çalışan çok katmanlı ve hibrit AT yaklaşımları önermektedir. Önerilen yaklaşımların etkinliğini değerlendirmek amacıyla yapılan deneysel çalışmalar sonucunda, UKSB +OK modeliyle %90'ın üzerinde doğruluk başarısı elde edilmiştir. Ayrıca, bu yaklaşımlar, literatürde yaygın olarak kullanılan kıyaslamalı veri setleri üzerinde de test edilmiştir. Bulgular, finansal haber içeriklerinden elde edilen duygu polaritelerinin, DÖ tabanlı AT modelleriyle birlikte değerlendirilmesinin model performansını anlamlı şekilde artırdığını göstermektedir. Elde edilen sonuçlar, finansal haber verilerine dayalı duygu analizinin, AT süreçlerine ve yatırım karar destek sistemlerine önemli katkılar sunabileceğini ortaya koymaktadır.
Özet (Çeviri)
Anomaly Detection (AD) identifies data points and unusual patterns that deviate from the expected behavioral model. AD, which can be applied in various fields such as meteorology, health, cybersecurity, and finance, is widely used, especially in monitoring changes in time series data. AD has significant potential in risk analysis and shaping investment decisions in financial markets, especially in stock markets where economic activities and investor behavior are intensively observed. Traditional methods, such as statistical analysis and rule-based approaches in the AD process, become time-consuming and can cause high error rates with increasing data volume. In contrast, Deep Learning (DL) based models process large datasets in a shorter time, produce results with higher accuracy rates, and provide significant advantages in analysis processes. This thesis aims to perform AD on time series data enriched with financial news content using hybrid DL models. Within the scope of the study, over 50 thousand economic news articles published between 2017 and 2020 were analyzed using the big language model and divided into seven different financial polarity categories according to their content. After the polarity analysis, this news were labeled in a time-compatible manner with the daily closing data of the BIST100 index using Facebook Prophet and Z-score methods. The created labeled dataset was trained with the Long Short-Term Memory (LSTM) based Autoencoder (AE) model, and then AD was performed on the test dataset. This study proposes multi-layered and hybrid AD approaches that work on data enriched with financial news-based polarity analysis. As a result of the experimental studies conducted to evaluate the effectiveness of the proposed approaches, over 90% accuracy success was achieved with the LSTM+AE model. In addition, these approaches were tested on benchmark datasets widely used in the literature. The findings show that evaluating sentiment polarities obtained from financial news content and DL-based AD models significantly increases the model performance. The results reveal that sentiment analysis based on financial news data can significantly contribute to AD processes and investment decision support systems.
Benzer Tezler
- Uluslararası haber ajanslarının Barış Pınarı Harekâtına yaklaşımı
Approach of international news agencies to Operation Peace Spring
AYBERK DÜZCAN
Yüksek Lisans
Türkçe
2022
GazetecilikAkdeniz ÜniversitesiGazetecilik Ana Bilim Dalı
DOÇ. DR. EMEL ÖZDEMİR
- Ana akım medyanın ekonomi haberlerini üretme sürecinde iktidarı sunma biçimine yönelik ekonomi politik bir analiz
A political economic analysis of the presentaton of government in the coverage of business in main stream media
IŞIL ŞİMŞEK
- Küreselleşme ve teknolojinin medya içeriklerine etkileri: Türkiye'de yayın yapan Açık Radyo, Gazzetta9 ve Cep Hikayeleri kanallarına yönelik yavaş medya kapsamında bir inceleme
The effects of globalisation and technology: A research about Açik Radyo, Gazzetta9 and Cep Hikayeleri broadcasting examples whitin the context of slow medi̇a
ONUR OĞUR
- Bireylerin emeklilik dönemine ilişkin finansal hazırlık sürecindeki tutum ve davranışlarının incelenmesi
An examination of individuals attitudes and behaviors in the process of financial preparation for retirement
HACER ŞEYMA DİLAVER
Yüksek Lisans
Türkçe
2025
İşletmeErzincan Binali Yıldırım Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. SALİM SERCAN SARI
- Finansal haber makaleleri kullanılarak hisse senetleri fiyat değişimlerinin tahmin edilmesi
Stock price prediction using financial news articles
MUSTAFA İDRİS YASEF KAYA
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. M. ELİF KARSLIGİL