From headlines to predictions: Using VADER to construct a sentiment-based market index
Başlıklardan öngörülere: VADER kullanarak duygu temelli bir piyasa endeksi oluşturmak
- Tez No: 978849
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRAH AHİ
- Tez Türü: Yüksek Lisans
- Konular: Maliye, Finance
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Finans Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Finans Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, günlük finansal haber başlıklarından yararlanarak hisse senetleriyle ilgili duyarlılığı ölçen ve bunu yatırım analizlerinde kullanılabilecek nicel verilere dönüştüren bir karar destek modeli sunmaktadır. Çalışmada, büyük ölçüde S\&P 500 endeksinde yer alan 43 aktif işlem gören hisse senedi kullanılmış ve bu hisselere ait iki yıllık günlük haber başlıkları kamuya açık kaynaklardan derlenmiştir. Haberlerin duyarlılığı, VADER sözlüğü temel alınarak geliştirilen özel bir analiz yöntemiyle hesaplanmış ve zaman serisi formatına dönüştürülmüştür. Bu duyarlılık verileri, OLS regresyonu ile getirilerin öngö-rülmesinde, basit portföy stratejileri oluşturulmasında ve CAPM ile Fama-French gibi geleneksel varlık fiyatlama modellerinde açıklayıcı değişken olarak test edilmiştir. Sonuçlar, modelin hem istatistiksel hem de pratik anlamda güçlü çıktılar ürettiğini göstermiştir.
Özet (Çeviri)
This thesis introduces a sentiment-based decision-support model that transforms daily financial news headlines into structured quantitative signals for investment analysis. The study focuses on 43 actively traded stocks, primarily listed on the S\&P 500 index, using a two-year dataset of daily headlines collected from publicly available sources. Sentiment scores are generated through a custom framework based on the VADER lexicon and converted into time series. These scores are then evaluated in three main areas: assessing predictive power using Ordinary Least Squares (OLS) regression models, ranking assets for sentiment-driven portfolio strategies, and serving as explanatory variables in asset pricing models such as \ac{CAPM} and Fama-French. Results show that the model provides both statistical and practical value, outperforming market benchmarks under basic portfolio construction methods.
Benzer Tezler
- Multi-view short-text classification using knowledge bases
Bilgi tabanı kullanarak çok görüntülü kısa metin sınıflandırma
MERT ÇALIŞAN
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CEMAL OKAN ŞAKAR
- Derin öğrenme ile hisse senedi piyasası tahmini
Predicting stock market by using deep learning
CANSU ALTUNBAŞ
Yüksek Lisans
Türkçe
2021
EkonometriAydın Adnan Menderes ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELVAN HAYAT
DR. ÖĞR. ÜYESİ OLGUN AYDIN
- İlköğretim 5.-8. sınıf Türkçe ders kitaplarındaki şiirlerin, öğrencilerin estetik gelişimine katkısı ve Türkçe öğretim programına uygunluğu
The contribution of poems in 5th-8th grade Turkish coursebooks to the appropriacy to Turkish education program and the development of students' aesthetic development
MESUT TIRIL
Yüksek Lisans
Türkçe
2016
Eğitim ve ÖğretimDokuz Eylül ÜniversitesiTürkçe Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. ÖMER İNCE
- Conventional and future prediction methods for turbine design parameters in drinking water and irrigation pipelines
İçme suyu ve sulama borularındaki türbin tasarım parametreleri için geleneksel ve geleceğe yönelik tahmin yöntemleri
ASLI BERİL EJDER
Yüksek Lisans
İngilizce
2023
Makine MühendisliğiTed ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SELİN ARADAĞ ÇELEBİOĞLU
DOÇ. DR. TEVFİK KUTAY ÇELEBİOĞLU
- Durum geçiş matrisi yöntemi ile yüksek gerilim hava iletim hatlarının güvenilirlik değerlendirilmesi
Reliability evaluation of high voltage overhead transmissionlines by the state transitional matrix method
ERTAN YANIKOĞLU
Doktora
Türkçe
1989
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. Ö. VURAL AYGEN