Doğal dil işleme tabanlı duygu analizinin ve değişken seçim yöntemlerinin hisse senedi fiyat tahminine etkisi
The impact of natural language processing based sentiment analysis and variable selection methods on stock price prediction
- Tez No: 982691
- Danışmanlar: DOÇ. DR. İSMAİL YENİLMEZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Boyutsal indirgeme, Derin öğrenme, Değişken seçimi, Duygu analizi, Fiyat tahmini, Şirket hissesi, Dimensional reduction, Deep learning, Variable selection, Sentiment analysis, Price ferecasting, Company stock
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı, haber metinlerinin hisse senedi fiyat tahmini üzerindeki etkisini incelemektir. Ayrıca boyut indirgeme tekniklerinin ve regülarizasyon yöntemlerinin tahmin performansına etkisi araştırılmıştır. Bu amaçla boyut indirgeme teknikleri ve regülarizasyon yöntemlerinin yanı sıra ilgili tekniklerin hibrit varyasyonları kullanılmıştır. Haber metinlerinden dört farklı doğal dil işleme değişkeni hesaplanmış ve modellere dahil edilmiştir. Zaman Serisi değişkenlerine doğal dil işleme değişkenleri kombinasyonlar halinde eklenmiş ve etkileri ARIMAX, ANN, LSTM ve GRU yöntemlerinin tahmin performansıyla beraber karşılaştırmalı olarak analiz edilmiştir. Uygulamalar; simülasyon çalışmaları ve sekiz hisse senedi üzerinde gerçekleştirilmiştir. Boyut indirgeme teknikleri ile regülarizasyon yöntemleri ve doğal dil işleme değişkenlerinin modele dahil edilmesinin etkileri uygulamalarla analiz edilmiştir. Bulgular, sadece teknik göstergelerin değil, aynı zamanda haber metni analizinin de hisse senedi fiyat tahmin doğruluğuna olumlu katkı sağladığını göstermiştir. Boyut indirgeme tekniklerinin regülarizasyon yöntemleriyle bütünleştirilmesi, değişken karmaşıklığını yönetmede etkili olmuştur. Hibrit yaklaşım ve haber duygu analizinden yararlanılarak kapsamlı bir finansal piyasa tahmin çerçevesi sunulmuştur.
Özet (Çeviri)
The aim of this study is to examine the impact of news texts on stock price prediction. In addition, the impact of dimensionality reduction techniques and regularization methods on prediction performance has been examined. For this purpose, hybrid variations of dimension reduction techniques and regularization methods, along with relevant techniques, have been used. Four different natural language processing variables have been calculated from the news articles and incorporated into the models. Natural language processing variables were combined with time series variables in various combinations, and their effects were comparatively analyzed with the forecasting performance of ARIMAX, ANN, LSTM, and GRU methods. Applications were carried out on simulation studies and eight stocks. The effects of dimension reduction techniques, regularization methods, and the integration of natural language processing variables in the model have been analyzed through applications. The findings have shown that not only technical indicators but also news text analysis positively contribute to the accuracy of stock price predictions. The combination of dimensionality reduction techniques with regularization methods has been effective in managing variable complexity. By utilizing a hybrid approach and news sentiment analysis, a comprehensive financial market forecasting framework has been provided.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Sentiment classification of arabic tweets using a novel learning sentiment-specific word embedding technique
Yeni bir duygu-odaklı kelime gömme tekniği kullanarak arapça tvitlerin duygu sınıflandırması
HALA MULKI
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL BABAOĞLU
- Türkçe hedef tabanlı duygu analizi için alt görevlerin incelenmesi–hedef terim, hedef kategori ve duygu sınıfı belirleme
Inspecting sub tasks of aspect based sentiment analysis in Turkish language–opinion target expression, aspect category and sentiment polarity detection
FATİH SAMET ÇETİN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLŞEN ERYİĞİT
- İçerik tabanlı atıf analizi modeli tasarımı: Türkçe atıflar için metin kategorizasyonuna dayalı bir uygulama
Designing a model for content-based citation analysis: An application for Turkish citations based on text categorization
ZEHRA TAŞKIN
Doktora
Türkçe
2017
Bilgi ve Belge YönetimiHacettepe ÜniversitesiBilgi ve Belge Yönetimi Ana Bilim Dalı
DOÇ. DR. UMUT AL
- Aspect-based sentiment analysis for turkish using deep learning model combinations
Türkçe için derin öğrenme modelleri kullanarak özellik bazlı duygu analizi
ALİ ERKAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNGA GÜNGÖR