Makine Öğrenmesi ve Derin Öğrenme Algoritmalarını Kullanarak Hisse Senedi Fiyat Tahmini

Günümüzde borsalar gözde bir dinamik yatırım aracıdır. Ancak bu dinamik yatırım aracı aynı zamanda ülkenin içinde bulunduğu durumdan, siyasetten, ülkeler arası izlenen politikalardan ve ülkenin sanayisinden büyük oranda etkilenmektedir. Bütün bu risklere karşın yatırımını bu alanda yapmak isteyen yatırımcılar belli tahminlerde bulunmaktadırlar. Bu tahmin de geçmiş verilerden faydalanarak yapılmaktadır. Bunun nedeni olağanüstü durumlar dışında borsa hareketlerinin büyük oranda tahmin edilebilirliğindendir. Tahminlerin daha tutarlı olması için bazı tahmin sistemleri kurulabilir. Bu sistemlerde geleneksel tahmin yöntemlerinin yanı sıra yapay zeka yöntemleri de kullanılmaya başlanmıştır. Yapılan tahmin sistemlerinde yapay zeka yöntemlerinin geleneksel tahmin yöntemlerinden daha iyi sonuçlar verdiği gözlemlenmiştir. Bunun nedeni yapay zeka yöntemlerinin bir hafızası olmasıdır. Bu çalışmada makine öğrenmesi yöntemlerinden Polinom Regresyon ve Random Forest Regresyon ve derin öğrenme yöntemlerinden ise Tekrarlayan Sinir Ağları (RNN) ve Uzun-Kısa Süreli Bellek (LSTM) yöntemleri kullanılmıştır. Elde edilen sonuçlara göre en iyi sonucu Random Forest Regresyon modeli, en kötü sonucu ise Polinom Regresyon modeli vermiştir.

Today, stock markets are a favorite dynamic investment method. However, this dynamic investment method is also greatly influenced by the situation in the country, politics, policies pursued across countries and the industry of the country. Despite all these risks, investors who want to invest in this area make certain predictions. This estimate is made by making use of historical data. The reason for this is that the stock market movements are highly predictable except for extraordinary situations. Prediction systems can be created to make the forecasts more consistent. These systems have started to use artificial intelligence methods as well as traditional forecasting methods. It has been observed that artificial intelligence methods give better results than traditional prediction methods. This is because it has a memory of artificial intelligence methods. In this study, Polynomial Regression and Random Forest Regression from machine learning methods and Recurrent Neural Networks (RNN) and Long-Short Term Memory (LSTM) from deep learning methods were used. According to the results obtained, the Random Forest Regression model was given the best result and the Polynomial Regression model was given the worst result.