Text analytics in stock market price prediction

Günümüzde sosyal medya verilerini ve analitiğini kullanarak geleceği tahmin etmeye çalışmak oldukça popülerdir. Bu motivasyonla, bu çalışmada, sosyal medya üzerinden yarattığımız 3 farklı veri grubu üzerinden "Borsa İstanbul 100" içerisinde işlem gören 10 farklı banka için farklı analiz modelleri oluşturarak borsa tahmini yapmayı hedefledik. Çalışma kapsamında belirlenen veri grupları, bankaların hesaplarından atılan tweetler, bankaların adını içeren tweetler ve onaylı hesaplardan bankaların adının yer aldığı tweetler olarak detaylandırılabilir. Analizimizde tweet'lerin duygu, tweet'lere gelen yanıtlar, tweet'lerin retweet ve beğeni sayıları, günlük döviz (Dolar, Euro ve Altın) fiyatlarının etkileri ve seçilen bankaların 3 gün öncesine kadar borsa değişimleri gibi çeşitli varyasyonlar kullandık. Toplanan verilere bazı ön işleme teknikleri uyguladık ve duygu analizi için duygu sınıfları tanımladık, 6 farklı model oluşturduk. Multi-Layer Perceptron, Random Forest ve derin öğrenme algoritması gibi 7 farklı sınıflandırma algoritması kullanarak elde ettiğimiz verileri analiz ettik. Seçmiş olduğumuz veri grubunun borsa fiyatlarını tahmin edebilmek için veri setimizi 3 farklı sınıfla etiketledik. Bu sınıflara göre borsa fiyat tahminleri pozitif, negatif ve nötr olarak adlandırılabilir. Tüm modeller ve analizlerden sonra toplam 1440 farklı sonuç elde ettik. Elde ettiğimiz sonuçlara göre doğruluk oranlarının seçtiğimiz veri grupları ve modellere göre değişiklik gösterdiğini gözlemledik. Ayrıca bankaların adını içeren tüm tweet grubu en başarılı veri grubu olarak gösterilebilir ve sosyal medya ile borsa fiyatları arasında belli bir ilişki olduğunu rahatlıkla söyleyebiliriz.