@article{article_1710303, title={Finansal Karar Süreçlerinde Makine Öğrenimi Tabanlı Tahmin ve Strateji Geliştirme Yaklaşımları}, journal={Ekonomi İşletme ve Maliye Araştırmaları Dergisi}, volume={7}, pages={213–237}, year={2025}, DOI={10.38009/ekimad.1710303}, author={Çevik, Mahmut Emin and Vuran, Bengü}, keywords={Finansal zaman serisi, Makine öğrenimi, Random Forest, XGBoost, LSTM, Teknik analiz, Alım-satım stratejisi, Geriye dönük test, Sharpe oranı}, abstract={Finansal piyasaların doğasında bulunan belirsizlik nedeniyle, yalnızca sezgilere dayalı yatırım kararları önemli riskler taşımaktadır. Bu nedenle, bu çalışma, makine öğrenimi tabanlı tahmin tekniklerinin yatırım karar süreçlerine nasıl entegre edilebileceğini araştırmayı amaçlamaktadır. Random Forest, XGBoost ve LSTM modellerini içeren karşılaştırmalı analizimizde, Random Forest modeli, yaklaşık 24 endeks puanlık ortalama mutlak hata (MAE) ile daha düşük tahmin hatası ve daha tutarlı sinyallerle öne çıkmıştır. Bu sinyaller yatırım stratejilerine dönüştürüldüğünde, yalnızca tahmin doğruluğunda değil, aynı zamanda %95,51 toplam getiri ve 8,06 Sharpe oranı gibi risk-ayarlı getirilerde de anlamlı iyileşmeler gözlenmiştir. Ancak, bu bulguların çalışmada kullanılan veri seti ve modelleme seçimlerine özgü olduğu ve farklı piyasa koşullarında veya veri rejimlerinde sonuçların değişebileceği vurgulanmalıdır.}, number={2}, publisher={İrfan ERSİN}