Fınans problemlerının çözümü için önerilen AI chatbot ile desteklenmiş hibrit neural network

Bu çalışmada, altın fiyatları, Bitcoin piyasa davranışı ve USD/TRY döviz kuru dalgalanmaları gibi karmaşık finansal zaman serisi tahmin problemlerine çözüm getirmeyi amaçlayan yenilikçi bir hibrit tahminleme çerçevesi sunulmaktadır. Önerilen sistem, iki farklı modelleme yaklaşımını bir araya getirmektedir: doğrudan ve orantılı eğilimleri vektörleştirilmiş girdiler üzerinden tespit etmeye yönelik klasik bir doğrusal modelleme bileşeni ile, yapılandırılmış ardışık verilerden doğrusal olmayan zamansal desenleri öğrenme yetisine sahip yoğun katmanlarla desteklenmiş Uzun Kısa Süreli Bellek (LSTM) tabanlı bir derin öğrenme bileşeni.Modelin çıktılarının yorumlanabilirliğini artırmak ve güvenilirliğini pekiştirmek amacıyla, her bir girdi değişkeninin tahmin üzerindeki katkısını niceliksel olarak ortaya koyan oyun teorisi temelli bir yöntem olan SHAP (Shapley Additive Explanations) entegre edilmiştir. Ayrıca sistem, kullanıcıların tahmin sonuçlarına gerçek zamanlı olarak erişmesini ve bu sonuçlara ilişkin doğal dilde açıklamalar almasını sağlayan etkileşimli bir yapay zeka destekli sohbet asistanı ile donatılmıştır. Deneysel sonuçlar, bütünleşik mimarinin bağımsız modellere kıyasla daha yüksek tahmin doğruluğu sağladığını ortaya koymakta ve yaklaşık %5,2 ortalama mutlak yüzde hata (MAPE) oranı ile önemli bir performans iyileşmesi göstermektedir. Model karmaşıklığını yorumlanabilirlik ve kullanıcı etkileşimiyle dengeleyen bu yaklaşım, finansal tahminleme sistemlerindeki temel zorluklara etkili bir çözüm sunmaktadır. Sonuç olarak, bu çalışma finansal analiz ve karar destek ortamlarında uygulanabilir, açıklanabilir ve kullanıcı odaklı bütüncül bir çözüm önermektedir.