Hisse senetleri ve sosyal medya arasındaki ilişkinin makine öğrenmesi teknikleri ile belirlenmesi

Bu tez çalışmasının amacı Bist30 endeksinde bulunan hisseler hakkında Twitter mikroblog sitesi üzerinden yapılan yorumlar ile günlük, haftalık ve aylık periyotlarda Bist30 değer değişimleri arasındaki korelasyon ve nedensellik ilişkisinin araştırmak ve elde edilen sonuçları yorumlamaktır. Bu amaçla tez çalışmasında veri kümesi olarak 07.05.2018-30.04.2019 tarihleri arasında Twitter mikroblog sitesinde herkese açık profile sahip kullanıcıların Bist30 hisseleri hakkında paylaştığı 57.933 etiketli kısa ileti, 20.276 etiketsiz kısa ileti ve Bist30 endeksi hisselerinin açılış kapanış fiyat farkları kullanılmıştır. Eğitim amaçlı kullanılan 57.933 adet twitter yorumu bu 12 aylık periyotta finans ile ilgili kişilerce manuel olarak iletilerin içerdiği duygu durumlarına göre pozitif, negatif ve nötr olmak üzere üç kategoride etiketlenmiştir. Etiketlenen bu veriler makine öğrenmesi algoritmaları ile eğitilerek sınıflandırılmıştır ve algoritmalar arasından başarı oranı en yüksek olanı tespit edilerek, bu algoritma eğitim esnasında kullanılmayan yeni bir test veri setinin sınıflandırılması için kullanılmıştır. Test veri setinin sınıflandırılması ile pozitif, negatif sınıflardaki kısa ileti sayıları elde edilmiş ve bu sayılar ile literatürde kullanılan 4 farklı duygu skoru oluşturulmuştur. Bölüm 5'te belirtilen bu duygu skorları S1, S2, S3 ve S4 olarak isimlendirilmiştir. Tezin kapsamında bu 4 çeşit duygu skoru ile günlük, haftalık ve aylık bazda Bist30 hisseleri değer değişimleri arasındaki Pearson Korelasyon analizi gerçekleştirilmiştir. Pearson korelasyonu değişkenler arasındaki ilişkinin nedenselliğini analiz etmemektedir. Değişkenler arasındaki nedensellik ilişkisi için Granger nedensellik analizi uygulanmıştır ve nihayetinde elde edilen sonuçlar yorumlanmıştır. Kısa iletilerin bilgisayar tarafından algılanabilmesi adına sayısallaştırılması ve vektörler ile ifade edilebilmesi için kelime tabanlı N-gramlara dayalı geleneksel kelime çantası modeli dışında, Yapay Sinir Ağlarına (YSA) dayalı Doc2vec mimarisi de kullanılmıştır. Eğitim veri kümesi sınıflandırılırken Lojistik Regresyon (LR), Destek Vektör Makineleri (DVM), Naive Bayes (NB), Karar Ağaçları (KA), K-EnYakın Komşu (KYK) sınıflandırıcıları ve Rastgele Orman (RO), Gradyan Artırma (GA) ve Maksimum Oylama (MO) topluluk öğrenmesi algoritmaları kullanılmıştır. Deneyler sonunda en iyi sınıflandırma algoritmasının LR olduğu ortaya çıkmıştır. LR ile etiketsiz veri setindeki kısa iletilerin sınıfları tahmin edilmiştir.Yeni oluşan veri seti üzerinden pozitif ve negatif duygu içeren tweetlerin polarite değerleri hesaplanmış ve bu duygu skorları ile Bist30 hisseleri arasındaki, ilişkilerin istatistiksel analizlerinin yapılması sağlanmıştır.Bist30 endeksinin açılış ve kapanış fiyatları ile duygu skorları ele alındığında günlük ve haftalık periyotta orta kuvvette ilişki bulunurken, aylık dönemde 0,74 gibi kuvvetli bir ilişkiye sahip olduğu saptanmıştır.Hisse bazında günlük ve haftalık zaman diliminde zayıf ilişkiye sahipken, aylık periyotta örneğin Ereğli Demir ve Çelik Fabrikaları T.A.Ş. (EREGL), Türkiye İş Bankası A.Ş. (ISCTR), Tofaş Türk Otomobil Fabrikası A.Ş. (TOASO) gibi hisselerin kuvvetli ilişkiye sahip olmaları dikkat çekmiştir. Ay bazında incelendiğinde 2018 yılının Ağustos ve 2019 yılının Şubat ayında kuvvetli ilişki bulunduğu gözlemlenmiştir. Granger nedensellik analizi yapıldığında günlük ve haftalık periyotta duygu skorları ve Bist30 endeksinin birbirlerinin geçmiş değerlerinden etkilendiği; 9 hissede tek veya çift yönlü, 11 tane hissede ise günlük atılan tweet sayısı ile hisse fiyatı arasında nedensellik ilişkisi tespit edilmiştir. Tüm sonuçlar ayrıntılarıyla Bölüm 6'da açıklanmıştır.