Ekonomik kriz anlarının doğal dil işleme ile tespiti, zaman serisi ve makine öğrenmesi modellerinin tahmin karşılaştırması
Küçük Resim Yok
Tarih
2025
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Düzce Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Para, ilk kez Lidyalılar tarafından kullanılan, mal ve hizmetlerin değerini ölçmek için evrensel bir standart olarak ekonomik faaliyetlerin temelini oluşturan insanlık tarihindeki en önemli buluşlardan biridir. Para daha sonra yatırım ve birikim amacıyla emtiaların, tahvillerin ve hisse senetlerinin alınıp satıldığı finansal piyasaların oluşmasına neden olmuştur. Bu finansal sistemde yatırımcılar hem kazanç elde etmek hem de riskleri yönetmek zorundadır. Borsa tahmini, yatırımcıların yatırımlarını korumak ve en iyi getiriyi elde etmek için çok önemlidir. Böylelikle yatırımcılar akıllıca secimler yaparak finansal kayıpları azaltır ve hızlı değişikliklerden korunur. Ancak borsa, siyasi ve psikolojik gibi birçok faktörden etkilendiğinden geleneksel tahmin yöntemlerinin doğruluğu çoğu zaman düşüktür. Günümüzde yapay zekâ ile tahminler daha isabetli yapılabilmektedir. Makine öğrenme ve doğal dil islemenin kullanımı, veri odaklı ve akılcı kararlar alma fırsatı vererek borsa tahminlerini daha güvenilir bir hale getirmektedir. Finansal piyasaların tahmininde kullanılan geleneksel yöntemler olan zaman serileri analiz metotlarıyla modern yöntemler arasındaki karşılaştırma ve doğal dil isleme modelleriyle ekonomik kriz dönemini saptama bu çalışmanın odak noktasını oluşturmaktadır. Bu tez, doğal dil isleme modellerinin ekonomik kriz tespiti için erken uyarı sistemleri olarak kullanılmasını araştırır. Ayrıca çalışma, makine öğrenmesi modelleri, sinir ağları temelli modelleri ve zaman serisi analiz metotlarının ekonomik kriz öncesi ve ekonomik kriz döneminde finansal piyasalarda performanslarını karşılaştırarak en iyi modelin seçilmesini sağlar. 2021 Aralık ayında Türkiye'de meydana gelen ekonomik kriz döneminin verileri üzerinde çalışılmıştır. Ekonomik kriz döneminin tespiti için 2021 Ağustos ile 2022 Ocak arası dönemindeki ekonomi ile ilgili haber verilerine doğal dil isleme analizleri uygulanmıştır. Ekonomik kriz öncesi (01.01.2021 ile 31.11.2021 tarihleri arası) ve ekonomik kriz dönemi (Aralık 2021 ve sonrası) için yapılan performans karşılaştırmaları için Borsa İstanbul'daki BİST30 olarak adlandırılan en yüksek işlem hacmine sahip 30 şirketin endeksi üzerinde çalışılmıştır. Modellerin kısa (1 gün), orta (15 gün) ve uzun (30 gün) vadeli tahmin performansları karşılaştırılmıştır. Böylelikle piyasalarda dalgalanmalara neden olabilecek bir ekonomik kriz anı tespit edilerek ekonomik kriz öncesi ve ekonomik kriz döneminde en iyi modelin seçilmesi sağlanır. Hedef, etkili bir 'Akıllı, Otomatik Kriz Tespit ve Tahmin Modeli Seçme Uygulaması' oluşturmaktır.
Money is one of the most important inventions in human history, first used by the Lydians, forming the basis of economic activity as a universal standard for measuring the value of goods and services. Money then led to the creation of financial markets where commodities, bonds and stocks were traded for investment and savings. In this financial system, investors must both earn profits and manage risks. Stock market forecasting is crucial for investors to protect their investments and get the best return. By making wise choices, investors can reduce financial losses and protect themselves from rapid changes. However, as the stock market is influenced by many factors such as political and psychological, the accuracy of traditional forecasting methods is often low. Today, forecasts can be made more accurately with artificial intelligence. The use of machine learning and natural language processing makes stock market forecasts more reliable by providing the opportunity to make data-driven and rational decisions. The focus of this study is on the comparison between time series analysis methods, which are traditional methods used in the forecasting of financial markets, and modern methods, and detecting the economic crisis period with natural language processing models. This thesis investigates the use of natural language processing models as early warning systems for economic crisis detection. The study also compares the performance of machine learning models, neural network-based models and time series analysis methods in financial markets before and during the economic crisis to select the best model. In December 2021, the data of the economic crisis period that occurred in Turkey was studied. To identify the economic crisis period, natural language processing analysis was applied to economic news data from August 2021 to January 2022. For performance comparisons before the economic crisis (between 01.01.2021 and 31.11.2021) and during the economic crisis period (December 2021 and after), the index of the 30 companies with the highest trading volume in Borsa Istanbul, called BIST30, was studied. Short (1 day), medium (15 days) and long (30 days) term forecasting performances of the models are compared. In this way, the moment of an economic crisis that may cause fluctuations in the markets is detected and the best model is selected before and during the economic crisis. The goal is to create an effective 'Intelligent, Automatic Crisis Detection and Forecasting Model Selection Application'.
Money is one of the most important inventions in human history, first used by the Lydians, forming the basis of economic activity as a universal standard for measuring the value of goods and services. Money then led to the creation of financial markets where commodities, bonds and stocks were traded for investment and savings. In this financial system, investors must both earn profits and manage risks. Stock market forecasting is crucial for investors to protect their investments and get the best return. By making wise choices, investors can reduce financial losses and protect themselves from rapid changes. However, as the stock market is influenced by many factors such as political and psychological, the accuracy of traditional forecasting methods is often low. Today, forecasts can be made more accurately with artificial intelligence. The use of machine learning and natural language processing makes stock market forecasts more reliable by providing the opportunity to make data-driven and rational decisions. The focus of this study is on the comparison between time series analysis methods, which are traditional methods used in the forecasting of financial markets, and modern methods, and detecting the economic crisis period with natural language processing models. This thesis investigates the use of natural language processing models as early warning systems for economic crisis detection. The study also compares the performance of machine learning models, neural network-based models and time series analysis methods in financial markets before and during the economic crisis to select the best model. In December 2021, the data of the economic crisis period that occurred in Turkey was studied. To identify the economic crisis period, natural language processing analysis was applied to economic news data from August 2021 to January 2022. For performance comparisons before the economic crisis (between 01.01.2021 and 31.11.2021) and during the economic crisis period (December 2021 and after), the index of the 30 companies with the highest trading volume in Borsa Istanbul, called BIST30, was studied. Short (1 day), medium (15 days) and long (30 days) term forecasting performances of the models are compared. In this way, the moment of an economic crisis that may cause fluctuations in the markets is detected and the best model is selected before and during the economic crisis. The goal is to create an effective 'Intelligent, Automatic Crisis Detection and Forecasting Model Selection Application'.
Açıklama
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
