Stock trend prediction and portfolio optimization

Tezin amacı hisse senedinin kapanış fiyatlarını dikkate alarak trend tahmini yapmak ve bu tahminleri kullanarak oluşturulan hisse senedi portföyünün karını maksimuma getirmektir. Bu kapsamda, calışmanın amacı lojistik regresyon, gradient boosting and random forest methodlarını kullanarak yaratılan makine öğrenmesi modelinin tahminlerini kullanarak hisse senedi portföyü oluşturmaktır. Son zamanlarda, hisse senedi fiyatının trendini tahmin etmek, makine öğrenmesi temelli kararlarla oluşturulan yatırım stratejileri ile alım satım kararlarının alınmasında ve getiri elde edilmesinde önemli bir rol kazanmıştır. Literatürde sermaye piyasalarında hisse senedi fiyatlarının makine öğrenmesi yöntemleri kullanılarak tahmin edilmesine yönelik çok sayıda çalışma bulunmaktadır ancak bunların çoğu fiyat trendinin yönü yerine kapanış fiyatlarına odaklanmaktadır. Çalışmamız hedef tanımı acısından literatürden farklılık göstermektedir. Hedef tanımımız, önümüzdeki 20 işlem günündeki oluşacak trende odaklanan bir sınıflandırma problemidir. Eğilim yönünü tahmin etmek için training yani eğitim için on dört yıllık veri kullanıldı. 3 yıllık veri validasyon, sonraki 3 yıllık veri test için kullanıldı. Eğitim datası 2002-06-18 ile 2016-12-30 arasındadır. Validasyon datası 2017-01-02 ile 2019-12-31 arasındadır. Test datası 2020-01-02 ile 2022-03-17 arasındadır. Elde Tutma Hisse Senedi Portföyü, TL Vadeli Mevduat Hesabı ve USD-TRY Doviz kurunu daha iyi performans göstermemiz gereken kriterler olarak belirledik. Test verilerindeki makine öğrenimi bazlı portföy getirisini, Elde Tutma Hisse Portföyü, TL Vadeli Mevduat Hesabı ve USD-TRY Doviz kuru getirisi ile karşılaştırdık. Model performanslarını Roc skor ve Lift grafik ile değerlendirdik. Çalışmamızda, lojistik regresyon, gradient boosting ve random forest methodlarını kullandık ve validasyon datasında en yüksek roc skorunu elde eden modeli seçtik. Model seçiminde hyperparameter tuning için grid search kullanıldı. Çalışma sonucunda seçmiş olduğumuz beş hisse senedinin yükseliş ve düşüş trendinin varlığı modeller ile tahmin edilememiştir. Model tabanlı portföy oluşturmak amacıyla alım satım kararlarını tanımlamak için model tahminlerini kullandığımızda, model tabanlı portföy test veri setinde başarısız olmuştur. Model tabanlı alım satım kararlarının meydana getirdiği portföy stratejisi, test veri setinde model bağımsız portföylerin getiri değerlerini geçememiştir.