Borsa Analizi ve Tahmini İçin Derin Öğrenme Ağları
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen-Edebiyat Fakültesi, İstatistik Bölümü, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: Murat Ergurum
Danışman: Erhan Çene
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Finansal piyasalar, ekonomik yapıların nabzını tutan ve yatırım kararlarını yönlendiren temel yapılardan biridir. Özellikle borsa, yatırımcılara yüksek getiri sağlama potansiyeliyle dikkat çekerken, aynı zamanda belirsizlik ve dalgalanmaların da merkezinde yer almaktadır. Bu karmaşık yapı, yatırımcıların daha sağlıklı kararlar alabilmeleri için güvenilir tahmin sistemlerinin geliştirilmesini zorunlu kılmaktadır. Geleneksel finansal analiz yöntemlerinden ziyade, günümüzde yapay zekâ ve makine öğrenmesi temelli tekniklerin finansal veriler üzerinde başarılı tahminler ürettiği gözlemlenmiştir. Bu doğrultuda, hisse senedi fiyatlarının zaman serisi verileri üzerinden modellenerek geleceğe yönelik projeksiyonlar sunulması, hem akademik hem de pratik açıdan oldukça değerli bir araştırma işine dönüşmüştür. Bu çalışmada, borsa endeks tahmininde kullanılabilecek derin öğrenme algoritmalarının performansları incelenmiş; özellikle uzun kısa süreli bellek (LSTM) mimarisi temelinde tahmin modeli geliştirilerek, geçmiş hisse senedi fiyatlarından gelecekteki değerlerin öngörülmesi amaçlanmıştır. Bu çalışmada BİST30 hisselerinden 9 adet hisse kullanarak her biri için model çalıştırılmış ve sonuçlar ayrı ayrı gözlenmiştir. Modelin hisse senetlerimiz üzerindeki fiyat, yön ve artış azalışları tahmin etme gücü incelenmiştir. Denenen 9 hisse senedi için modelde tahmin edilen ile gerçek değerler arasındaki ortalama sapma değeri %2.90, maksimum sapma %15.18 ve modelin gerçek değerlerle aynı yönde hareket edip etmediğini inceleyen yönsel doğruluk oranının ortalama % 75 olduğu görülmüştür. Sonuç olarak LSTM ve GRU tabanlı modeller, hisse senedi fiyatlarının tahmini konusunda güçlü bir performans sergilemiştir. Anahtar Kelimeler: LSTM, makine öğrenmesi, zaman serileri, derin öğrenme, yapay sinir ağı