NASDAQ borsasındaki hisse senedi fiyatlarının zaman serisi tahmini

Bu çalışma, NASDAQ borsasında işlem gören hisse senetlerinin seçimi ve ardındanseçilen hisse senetleri için fiyat tahmini yapmayı amaçlayan temel olarak iki aşamalı birsüreci içermektedir. Seçim aşamasında Çok Ölçütlü Karar Verme (ÇÖKV) tekniklerikullanılmış, tahmin aşamasında da zaman serisi analizleri yapılmıştır. Hisse senediseçiminde CRITIC, CILOS, VARIANCE, EQUAL ve GINI gibi objektif ağırlıklandırmayöntemleri kullanılmış, ardından TOPSIS, VIKOR ve PROMETHEE II sıralamayöntemleri uygulanmıştır. Bu yöntemler sonucunda en uygun hisse senetleribelirlenmiştir. Seçilen hisse senetlerinin gelecekteki kapanış fiyatlarını tahmin etmek içinzaman serisi analizi kapsamında Derin Öğrenme yöntemlerinden Uzun Kısa Süreli Bellek(LSTM), Kapılı Tekrarlayan Ünite (GRU) ve Tekrarlayan Sinir Ağı (RNN) modellerikullanılmıştır. Modellerin performansları Kök Ortalama Kare Hatası (RMSE) veOrtalama Mutlak Yüzde Hatası (MAPE) metrikleri ile karşılaştırılmıştır. Çalışma,finansal veri analizi ve karar verme süreçlerinde derin öğrenme ve ÇÖKV yöntemlerininentegrasyonunun etkili bir yöntem olduğunu göstermiştir.