COVID-19 Salgını Sürecinde Duygu Skorlarının ve Teknik İndikatörlerin Kullanılmasıyla BİST 100 Endeksi Trend Tahmini

Year 2022, Volume: 15 Issue: 4, 379 - 388, 31.10.2022

Meltem Alaca , Aysun Güran

https://doi.org/10.17671/gazibtd.1106017

Abstract

Duygu analizi, metinsel verilerin yansıttığı olumlu, olumsuz ya da nötr duyguların tespit edilme aşamalarını içermektedir. Farklı konular hakkında yayınlanan metinsel verilerin yansıttığı olumlu ve/veya olumsuz duygular, insanların, küçük veya büyük ölçekli şirketlerin karar alma süreçlerini etkileyebilmektedir. Metinsel kaynakların yansıttığı duygular, duygu skorları ile sayısal hale getirilebilmekte ve bu skorlar zaman serilerinin ileriye yönelik kestirimlerinin yapılması aşamasında kullanılabilmektedirler. Bilindiği gibi 1 Aralık 2019 tarihinde Çin’in Vuhan kentinde ortaya çıkan ve tüm dünyayı etkisi altına alan koronavirüs küresel bir pandemiye sebep olmuştur. Bu durum uluslararası ve yerel sermaye piyasaları üzerinde keskin düşüşlere neden olmuştur. Bu çalışmada pandemi döneminde toplanan haber metinlerinden elde edilen duygu skorlarının Bist100 endeksi trendinin belirlenmesinde etkili olup olmadığının analizi yapılmıştır. Analizlerde borsa endeksleri kestirimlerinde büyük önem arz eden teknik indikatörlerden de yararlanılmıştır. Böylece pandemi döneminde borsa endeksinin artma veya azalma yönün belirlenmesinde duygu skorlarının ve teknik indikatörlerin etkisi görülebilmiştir. Yapılan analizler sonucunda, haber metinlerinden elde edilen duygu skorlarının borsa endeksi trend tahminlemesi üzerinde bazı periyotlar için etkili olduğu gözlemlenmiştir.

Keywords

Duygu skoru, Borsa teknik indikatörleri, Covid-19, BİST100, Duygu Analizi

Predicting BIST 100 Index Movement by using Sentiment Scores and Technical Indicators during the COVID-19 Pandemic

Abstract

Sentiment analysis includes the stages of identifying the positive, negative or neutral emotions contained in the text data. Positive and/or negative emotions reflected by the text data can affect the decision-making processes of people, small or large-scale companies. Emotions reflected by documents can be vectorized with sentiment scores and these scores could be useful to forecast time series models. As it is known, the coronavirus, which emerged in Wuhan, China on December 1, 2019 caused a global pandemic all around the world. The Covid-19 pandemic has brought sharp and sudden declines in global and domestic stock markets. Within the scope of our study, it was analyzed whether the sentiment scores obtained from the Covid-19 related news documents were effective in forcasting the trend of the Bist100 index. Technical indicators that have great importance in estimating stock market indices, were also used in the analysis. Hence, the effect of sentiment scores and technical indicators in determining the trend of the stock market index during the pandemic could be observed. As a result of the study, it was observed that the sentiment scores were effective to predict the price trend of stock market index for some periods.

Keywords

sentiment scores, technical indicators, covid-19, Bist100, sentiment analysis

References

• G. G. Yağcilar, “Borsa İstanbul’da COVID-19 Etkisi: Kısa Dönemli Sektörel Piyasa Tepkilerinin Endeks Bazında Ölçülmesi”, Ekonomi Politika ve Finans Araştırmaları Dergisi, 6(2), 439-463, 2021.
• D. K. Pandey, V. Kumari, “Event study on the reaction of the developed and emerging stock markets to the 2019-nCoV outbreak”, International Review of Economics & Finance, 71, 467-483, 2021.
• Y. Peker, E. Demirhan, Covid-19 küresel salgınının borsa İstanbul’daki sektörel etkileri, Türkiye Ekonomi Politikaları Araştırma Vakfı (TEPAV), Türkiye, 2020.
• E.F. Fama, “Efficient Capital Markets: A Review of Theory and Empirical Work.”, The Journal of Finance, 25(2), 383-417, 1970.
• K. Eyüboğlu, S. Eyüboğlu, “Borsa İstanbul Endekslerinde Adaptif Piyasa Hipotezinin Geçerliliğinin Test Edilmesi”, Yaşar Üniversitesi E-Dergisi, 15(59), 642-654, 2020.
• A. W. Lo, “The Adaptive Markets Hypothesis.” The Journal of Portfolio Management, 30(5), 15-29, 2004.
• A. C. Çetin, “Koronavirüs (Covid-19) Salgınının Türkiye'de Genel Ekonomik Faaliyetlere ve Hisse Senedi Borsa Endeksine Etkisi”, Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi, 4(2), 341-362, 2020.
• S. Atan, Y. Çınar, “Borsa istanbul’da finansal haberler ile piyasa değeri ilişkisinin metin madenciliği ve duygu (sentiment) analizi ile incelenmesi”, Ankara Üniversitesi SBF Dergisi, 74(1), 1-34, 2019.
• A. Güran, E. Ateş, “Twitter iletileri duygu değerleri ve Bist 30 endeksi günlük değer değişimlerinin Pearson korelasyonu ve Granger nedensellik analizi”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 36(3), 1687-1702, 2021.
• Y. Peng, H. Jiang, “Leverage financial news to predict stock price movements using word embeddings and deep neural networks”, arXiv preprint arXiv:1506, 2015.
• S. Bouktif, A. Fiaz, M. Awad, “Stock market movement prediction using disparate text features with machine learning”, In 2019 Third International Conference on Intelligent Computing in Data Sciences (ICDS), IEEE,1-6, October, 2019.
• A. Picasso, S. Merello, Y. Ma, L. Oneto, E. Cambria, “Technical analysis and sentiment embeddings for market trend prediction”, Expert Systems with Applications, 135, 60-70, 2019.
• S. Mohan, S. Mullapudi, S. Sammeta, P. Vijayvergia, D. C. Anastasiu, “Stock price prediction using news sentiment analysis”, In 2019 IEEE Fifth International Conference on Big Data Computing Service and Applications (BigDataService), IEEE, 205-208, April, 2019.
• X. Li, P. Wu, W. Wang, “Incorporating stock prices and news sentiments for stock market prediction: A case of Hong Kong”, Information Processing & Management, 57(5), 102212, 2020.
• H. D. Huynh, L. M. Dang, D. Duong, A new model for stock price movements prediction using deep neural network, In Proceedings of the Eigth International Symposium on Information and Communication Technology, 57-62, December, 2017.
• J. Patel, S. Shah, P. Thakkar, K. Kotecha, “Predicting stock and stock price index movement using trend deterministic data preparation and machine learning techniques”, Expert systems with applications, 42(1), 259-268, 2015.
• L. Khaidem, S. Saha, S. R. Dey, “Predicting the direction of stock market prices using random forest”, arXiv preprint arXiv:1605.00003, 2016.
• X. Di, Stock trend prediction with technical indicators using SVM, Independent Work Report, Standford: Leland Stanford Junior University, USA, 2014.
• S. Mehtab, J. Sen, “Stock price prediction using convolutional neural networks on a multivariate timeseries”, arXiv preprint arXiv:2001.09769, 2020.
• Y. Kara, M. A. Boyacioglu, Ö. K. Baykan, “Predicting direction of stock price index movement using artificial neural networks and support vector machines: The sample of the Istanbul Stock Exchange”, Expert systems with Applications, 38(5), 5311-5319, 2011.
• Ç. Özari, K. Turan, E. Demir, “Teknik indikatörlerin etkinliği: Bist30 ve bist100 endeksleri üzerine bir uygulama”, Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 6(1), 94-113, 2016.
• C. Budak, Teknik Analiz indikatörlerinin Performans karşılaştırması üzerine bir araştırma, Doctoral dissertation, Marmara Universitesi, 2019.
• S. Gumparthi, “Relative strength index for developing effective trading strategies in constructing optimal portfolio”, International Journal of Applied Engineering Research, 12(19), 8926-8936, 2017.
• E. A. S. Ahmed, S. B. Goyal, “Impact of Technical Parameters for Short-and Long-term Analysis of Stock Behavior”, Materials Today: Proceedings, 2021.
• P. Fernández-Blanco, D. J. Bodas-Sagi, F. J. Soltero, J. I. Hidalgo, Technical market indicators optimization using evolutionary algorithms, In Proceedings of the 10th annual conference companion on Genetic and evolutionary computation, 1851-1858, July, 2008.
• M. R. Vargas, C. E. dos Anjos, G. L. Bichara, A. G. Evsukoff, Deep leaming for stock market prediction using technical indicators and financial news articles, In 2018 International Joint Conference on Neural Networks (IJCNN), IEEE, 1-8, July, 2018.
• G. Yapıcı, Teknik Analiz Yöntemi Ve Bist100’de İşlem Gören Ticari Bankacilik Paylari Üzerine Bir Uygulama, Yüksek Lisans Tezi, İstnabul Okan Üniversitesi, İşletme Anabilim dalı, İşletme Programı, 2020.
• Y. Erdinç, Borsada Teknik Analiz El Kitabı, Siyasal Kitabevi, Ankara, 1996.
• M. N. Günak, İleri Teknik Analiz Uygulamaları ve Bu Uygulamaların İMKB’de Test Edilmesi, Yüksek Lisans Tezi, İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, 2007.
• V. Vaghela, R. Gor, N. Chavda, “Elliott Wave formation using combination of CCI and DEMA”, IOSR Journal of Mathematics (IOSR-JM), 2319-765X, 14-21, 2021.
• P. Sadorsky, “A Random Forests Approach to Predicting Clean Energy Stock Prices”, Journal of Risk and Financial Management, 14(2), 48, 2021.
• A. Cowles, “Can stock market forecasters forecast?”, Econometrica Journal of the Econometric Society, 309-324, 1933.
• A. Ayaydın, M.A. Akcayol, “Deep Learning Based Forecasting of Delay on Flights.”, Bilişim Teknolojileri Dergisi, 15(3), 239-249, 2022.