Abstract
References
- Aldemir, S. (2015). Davranışsal Finans Açısından Yatırımcı Davranışlarının incelenmesi: Tokat ili örneği. Yayınlanmış Yüksek Lisans Tezi . Eskişehir: Gazi Osmanpaşa Üniveritesi Sosyal Bilimler Enstitüsü.
- Ayvalı , A. (2014). Bireysel Yatırımcı Profili ve Yatırımcı Tercileri Üzerine Bir Araştırma: Bartın İli Örneği. Yüksek Lisans Tezi. Bursa: Bartın Üniversitesi Sosyal Bilimler Enstitüsü.
- Böyükaslan, A. (2012). Bireysel yatırımcıları finansal yatırım kararına yönlendiren faktörlerin davranışsal finans açısından incelenmesi: Afyon karahisar örneği. Afyonkarahisar, Türkiye: Afyon Kocatepe Üniversitesi Sosyal Bilimler Enstitüsü, Afyon.
- Chlu, J., (2020). Block; writings artificial intelligence. The Power of AI in Finance and Algorithmic Trading: https://www.datacamp.com/blog/the-power-of-ai-in-finance-and-algorithmic-trading adresinden alınmıştır
- Çelik, Ç. (2013). İMKB'de İşlem Yapan Yatırımcıların Davranışlarını Belirlemeye Yönelik Bir Araştırma. Yüksek Lisans Tezi . İzmir: Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü .
- Dizdarlar, H., & Şener , Ö. (2016). Yatırımcıların risk alma davranışı üzerine bir uygulama. International Journal of Social Sciences and Education Research, 8, 1-14.
- Ellezoğlu, N. (2020). Bireysel yatırımcı davranışlarının finans kapsamında incelenmesi: Ankara İli uygulaması. Ankara , Türkiye : Yüksek Lisans Tezi. Gazi Üniversitesi.
- Gu, S., Kelly, B., & Xlu, D. (2020). Empirical asset pricing through machine learning. TheReview of Financial Studies, 14, 2223-2273.
- Güdelek, M. (2019). Zaman Serisi analiz ve tahmin : derin öğrenme yaklaşımı. Yüksek Lisans Tezi.
- Karan, M. (2011). Yatırım Analizi ve Portföy Yönetimi. Ankara: Gazi Kitabevi.
- Korkulutaş, D. (2018). Bireysel Yatırımcı Davranış ve Kararlarının Davranışsal Finans kapsamında değerlendirilmesi. Erzincan, Türkiye: Erzincan Binali Yıldırım Üniversitesi Sosyal Bilimler Enstitüsü.
- Kuşçu, E. (2015). çeviride yapay zeka uygulamaları. Kazım Karabekir Eğitim Fakültesi Dergisi, 46, 212-235.
- Kutlu, B., & Badur, B. (2009). Yapay Sinir Ağları ile Borsa Endeksi Tahmini. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü Dergisi, 8, 25-40.
- Küden , M. (2014). Davranışsal Finans Açısından Bireysel Yatırım Tercihlerinin Değerlendirilmesi. Yüksek Lisans Tezi. İzmir: Gediz Üniversitesi.
- Özaltın , S., Ersoy, E., & Bekci, İ. (2015). Kar Dağıtım Politikasının Bireysel Yatırımcıların Yatırım Kararları Üzerindeki Etkisi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Dergisi, 397-411.
- Özcan, H. (2011). Davranışsal Finansın Bireysel Yatırımcıların Karar Mekanizmaları Üzerindeki Etkileri. Yüksek Lisans Tezi. Nevşehir, Türkiye: Nevşehir Üniversitesi Sosyal Bilimler Enstitüsü.
- Rasekhschaffe, K., & Jones, R. (2019). Machine Learning for Stock Selection. Financial Analysts Magazine, 70-88.
- Sabharwal, C. (2018). The rise of machine learning androbo-advisors in banking. IDRBT Banking Technologies Journal, 1-28.
- Say, C. (2018). 50 soruda yapay zeka. istanbul: 7. Renk Basım Yayın ve Filmcilik Ltd. Şti,.
- Schroer, A. (2023, Mart 03). Yapay Zeka nedir ? nasıl çalışır https://builtin.com/artificial-intelligence adresinden alınmıştır
- Shen, S., Jiang, H., & Zhang, T. (2012). Stock market forecasting using machine learning algorithms. (Stanford University Working Paper). Retrieved from (s. 1-5). http://cs229.stanford.edu/proj2012/ShenJiangZhang-StockMarketForecastingusingMachineLearni.
- Thakar, C. (2020). This Blog. Artificial Intelligence and Machine Learning in Commerce: https://blog.quantinsti.com/artificial-intelligence-machine-learning-trading/ adresinden alınmıştır
- Think Tech . (2022, 9 5). STM Think Tech: https://thinktech.stm.com.tr/tr/yapay-zekanin-gelecegi adresinden alınmıştır
- Tsai, C., & Wang, S. (2009). Stock price forecasting by hybrid machine learning techniques. International MultiConference of Engineers and Computer Scientists. http://www.iaeng.org/
- Usul, H., Eroğlu, A., & Bekçi, İ. (2002). Bireysel yatırımcıların hisse senedi edimine yönelik yaklaşımlar. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 135-150.
- Walker , J. (2021). Polygant. Artificial Intelligence for Commerce: https://polygant.net/ai/artificial-intelligence-for-trading/ adresinden alınmıştır.
- Wisetsri, W., Julie Aarthy, C., Thakur, V., Culati, K., & Pandey, D. (2021). Systematic analysis and future research directions in artificial ıntelligence formarketing. Turkish Journal of Computer and Mathematics Education, 43-55.
- Yıldız, A. (2022). Finansal alanda yapay zeka teknolojisinin kullanımı:sistematik literatür incelemesi. Pamukkale Sosyal Bilimler Enstitüsü Dergisi, 52, 1-20
Abstract
Purpose- Although artificial intelligence technology is a new technology, it affects every aspect of our lives by finding a very fast field of activity. Artificial intelligence technology, which also shows its effect in the field of finance, is seen to have many applications. There are many alternatives in the investment markets, it will take a long time to make a profit in the markets and a certain amount of knowledge is required. People cannot master the data in all markets when they will invest, but technological developments provide the opportunity to invest by storing each data or observing their changes. This study aims to investigate the effects of artificial intelligence technology on individual investor decisions.
Methodology- The study consists of individual investors who live in Diyarbakır province and generally make investments. The questionnaire prepared in accordance with the scope of the study was applied to 1800 participants using face-to-face survey method. The 22 statements prepared in accordance with the scope of the study were applied to the participants. The questionnaires that 1616 participants answered correctly and accurately were included in the scope of the study. In order to ensure the reliability of the study statements, Cronbach's Alpha was calculated and this rate was determined as 91%. The answers given to the study statements were transferred to the tables as a result of the analyses. The transferred information was tried to be interpreted. In addition, frequency tables, t-test and anaova analysis were used in the analysis of the study data.
Findings- Thanks to artificial intelligence algorithms, which is one of this technology, it analyses the data in the market and enables the investor who wants to invest to trade in the market by giving buy and sell orders. Thus, artificial intelligence technology allows the investor to make more profitable investments by guiding the investor.
Conclusion- As a result, it is possible to say that the individual investors participating in the research do not have sufficient knowledge about artificial intelligence technologies, but they have an interest in investing using artificial intelligence technologies. In addition, it has been determined that the older the age, the lower the education level, the higher the income level and the married investors are insecure about investing using artificial intelligence technology.
References
- Aldemir, S. (2015). Davranışsal Finans Açısından Yatırımcı Davranışlarının incelenmesi: Tokat ili örneği. Yayınlanmış Yüksek Lisans Tezi . Eskişehir: Gazi Osmanpaşa Üniveritesi Sosyal Bilimler Enstitüsü.
- Ayvalı , A. (2014). Bireysel Yatırımcı Profili ve Yatırımcı Tercileri Üzerine Bir Araştırma: Bartın İli Örneği. Yüksek Lisans Tezi. Bursa: Bartın Üniversitesi Sosyal Bilimler Enstitüsü.
- Böyükaslan, A. (2012). Bireysel yatırımcıları finansal yatırım kararına yönlendiren faktörlerin davranışsal finans açısından incelenmesi: Afyon karahisar örneği. Afyonkarahisar, Türkiye: Afyon Kocatepe Üniversitesi Sosyal Bilimler Enstitüsü, Afyon.
- Chlu, J., (2020). Block; writings artificial intelligence. The Power of AI in Finance and Algorithmic Trading: https://www.datacamp.com/blog/the-power-of-ai-in-finance-and-algorithmic-trading adresinden alınmıştır
- Çelik, Ç. (2013). İMKB'de İşlem Yapan Yatırımcıların Davranışlarını Belirlemeye Yönelik Bir Araştırma. Yüksek Lisans Tezi . İzmir: Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü .
- Dizdarlar, H., & Şener , Ö. (2016). Yatırımcıların risk alma davranışı üzerine bir uygulama. International Journal of Social Sciences and Education Research, 8, 1-14.
- Ellezoğlu, N. (2020). Bireysel yatırımcı davranışlarının finans kapsamında incelenmesi: Ankara İli uygulaması. Ankara , Türkiye : Yüksek Lisans Tezi. Gazi Üniversitesi.
- Gu, S., Kelly, B., & Xlu, D. (2020). Empirical asset pricing through machine learning. TheReview of Financial Studies, 14, 2223-2273.
- Güdelek, M. (2019). Zaman Serisi analiz ve tahmin : derin öğrenme yaklaşımı. Yüksek Lisans Tezi.
- Karan, M. (2011). Yatırım Analizi ve Portföy Yönetimi. Ankara: Gazi Kitabevi.
- Korkulutaş, D. (2018). Bireysel Yatırımcı Davranış ve Kararlarının Davranışsal Finans kapsamında değerlendirilmesi. Erzincan, Türkiye: Erzincan Binali Yıldırım Üniversitesi Sosyal Bilimler Enstitüsü.
- Kuşçu, E. (2015). çeviride yapay zeka uygulamaları. Kazım Karabekir Eğitim Fakültesi Dergisi, 46, 212-235.
- Kutlu, B., & Badur, B. (2009). Yapay Sinir Ağları ile Borsa Endeksi Tahmini. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü Dergisi, 8, 25-40.
- Küden , M. (2014). Davranışsal Finans Açısından Bireysel Yatırım Tercihlerinin Değerlendirilmesi. Yüksek Lisans Tezi. İzmir: Gediz Üniversitesi.
- Özaltın , S., Ersoy, E., & Bekci, İ. (2015). Kar Dağıtım Politikasının Bireysel Yatırımcıların Yatırım Kararları Üzerindeki Etkisi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Dergisi, 397-411.
- Özcan, H. (2011). Davranışsal Finansın Bireysel Yatırımcıların Karar Mekanizmaları Üzerindeki Etkileri. Yüksek Lisans Tezi. Nevşehir, Türkiye: Nevşehir Üniversitesi Sosyal Bilimler Enstitüsü.
- Rasekhschaffe, K., & Jones, R. (2019). Machine Learning for Stock Selection. Financial Analysts Magazine, 70-88.
- Sabharwal, C. (2018). The rise of machine learning androbo-advisors in banking. IDRBT Banking Technologies Journal, 1-28.
- Say, C. (2018). 50 soruda yapay zeka. istanbul: 7. Renk Basım Yayın ve Filmcilik Ltd. Şti,.
- Schroer, A. (2023, Mart 03). Yapay Zeka nedir ? nasıl çalışır https://builtin.com/artificial-intelligence adresinden alınmıştır
- Shen, S., Jiang, H., & Zhang, T. (2012). Stock market forecasting using machine learning algorithms. (Stanford University Working Paper). Retrieved from (s. 1-5). http://cs229.stanford.edu/proj2012/ShenJiangZhang-StockMarketForecastingusingMachineLearni.
- Thakar, C. (2020). This Blog. Artificial Intelligence and Machine Learning in Commerce: https://blog.quantinsti.com/artificial-intelligence-machine-learning-trading/ adresinden alınmıştır
- Think Tech . (2022, 9 5). STM Think Tech: https://thinktech.stm.com.tr/tr/yapay-zekanin-gelecegi adresinden alınmıştır
- Tsai, C., & Wang, S. (2009). Stock price forecasting by hybrid machine learning techniques. International MultiConference of Engineers and Computer Scientists. http://www.iaeng.org/
- Usul, H., Eroğlu, A., & Bekçi, İ. (2002). Bireysel yatırımcıların hisse senedi edimine yönelik yaklaşımlar. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 135-150.
- Walker , J. (2021). Polygant. Artificial Intelligence for Commerce: https://polygant.net/ai/artificial-intelligence-for-trading/ adresinden alınmıştır.
- Wisetsri, W., Julie Aarthy, C., Thakur, V., Culati, K., & Pandey, D. (2021). Systematic analysis and future research directions in artificial ıntelligence formarketing. Turkish Journal of Computer and Mathematics Education, 43-55.
- Yıldız, A. (2022). Finansal alanda yapay zeka teknolojisinin kullanımı:sistematik literatür incelemesi. Pamukkale Sosyal Bilimler Enstitüsü Dergisi, 52, 1-20
Details
| Primary Language | English |
|---|---|
| Subjects | Finance, Business Administration |
| Journal Section | Articles |
| Authors | |
| Publication Date | June 3, 2024 |
| Submission Date | January 11, 2024 |
| Acceptance Date | June 3, 2024 |
| Published in Issue | Year 2024 |
Journal of Business, Economics and Finance (JBEF) is a scientific, academic, double blind peer-reviewed, quarterly and open-access journal. The publication language is English. The journal publishes four issues a year. The issuing months are March, June, September and December. The journal aims to provide a research source for all practitioners, policy makers and researchers working in the areas of business, economics and finance. The Editor of JBEF invites all manuscripts that that cover theoretical and/or applied researches on topics related to the interest areas of the Journal. JBEF charges no submission or publication fee.
Ethics
Policy - JBEF applies the standards of
Committee on Publication Ethics (COPE). JBEF is committed to the academic
community ensuring ethics and quality of manuscripts in publications.
Plagiarism is strictly forbidden and the manuscripts found to be plagiarized
will not be accepted or if published will be removed from the publication. Authors
must certify that their manuscripts are their original work. Plagiarism,
duplicate, data fabrication and redundant publications are forbidden. The
manuscripts are subject to plagiarism check by iThenticate or similar. All manuscript submissions must provide a similarity report (up to 15% excluding quotes, bibliography, abstract, method).
Open Access - All research articles published in PressAcademia Journals are fully open access; immediately freely available to read, download and share. Articles are published under the terms of a Creative Commons license which permits use, distribution and reproduction in any medium, provided the original work is properly cited. Open access is a property of individual works, not necessarily journals or publishers. Community standards, rather than copyright law, will continue to provide the mechanism for enforcement of proper attribution and responsible use of the published work, as they do now.