BORSA İSTANBUL TURİZM HİSSELERİ ÜZERİNE YORUMLARIN DUYGU ANALİZİ: PYTHON TABANLI BİR YAKLAŞIM

Öz

Finansal piyasalarda bilgi akışının hızı ve içeriği, finansal oyuncunun davranışları ile pay senedi fiyatlaması üzerinde belirleyici bir rol oynamaktadır. Son yıllarda, özellikle kullanıcılar tarafından oluşturulan içeriklerin duygu analizi yöntemleriyle analiz edilebilir hale gelmesi, piyasa duyarlılığının ölçümünde alternatif yaklaşımların önünü açmıştır. Bu bağlamda, çalışmada Borsa İstanbul Turizm Endeksi altında işlem gören şirketlerin pay senetlerine ilişkin olarak Investing.com web platformunda paylaşılan kullanıcı yorumlarının duygusal tonları analiz edilmiş ve bu yönelimlerin fiyat hareketleriyle arasında oluşabilecek ilişkiler araştırılmıştır. Python programlama dili kullanılarak geliştirilen uygulama kapsamında, yorumlar Türkçe diline uyumlu modeller ile analiz edilmiş ve her bir yorum pozitif ve negatif olarak etiketlenmiştir. Analiz sürecinde ortaya çıkan duygu etiketleri, yorumların yapıldığı günün pay senedi kapanış fiyatlarıyla eşleştirilmiş; böylece fiyat yönü ile duygu yönü arasında istatistiksel ilişki tespit edilmiştir. Bulgular, yorumların fiyatlar üzerindeki etkisinin şirketten şirkete farklılık gösterdiğini ortaya koymaktadır. Sonuçlar ise Python programlama dilinin finans alanında kullanılabilirliğini de ortaya koymuştur.

Anahtar Kelimeler

• Borsa İstanbul
• Python
• Duygu Analizi
• Kullanıcı Yorumları
• NLP

SENTIMENT ANALYSIS OF COMMENTS ON BORSA ISTANBUL TOURISM STOCKS: A PYTHON-BASED APPROACH

Öz

The speed and content of information flow in financial markets play a critical role in shaping investor behavior and stock price formation. In recent years, the increasing feasibility of analyzing user generated content through sentiment analysis techniques has paved the way for alternative approaches to measuring market sentiment. In this context, the present study analyzes the emotional tone of user comments shared on the Investing.com regarding the stocks of companies listed under the Borsa Istanbul Tourism Index. The study investigates the potential relationship between these sentiment orientations and stock price movements. Within the scope of the Python-based application developed for this research, comments were analyzed using models compatible with the Turkish language, and each comment was labeled as either positive or negative. The resulting sentiment labels were then matched with the respective stock’s closing price on the date the comment was posted. This allowed for a statistical examination of the relationship between sentiment direction and price movement. The findings indicate that the impact of comments on stock prices varies across different companies. Moreover, the results highlight the applicability of the Python in financial data analysis.

Anahtar Kelimeler

• Borsa Istanbul
• Python
• Sentiment Analysis
• User Comments
• NLP

Kaynakça

1. ARACI, Dogu. (2019). FinBERT: Financial Sentiment Analysis with Pre-trained Language Models, Master Information Studies Data Science Faculty of Science University of Amsterdam.
2. BOLLEN, Johan; MAO, Huina and ZENG, Xiaojun. (2011). “Twitter Mood Predicts the Stock Market”. Journal of Computational Science, Vol 1; 1-8.
3. ÇAKICI, Şevval; KARADUMAN, Dilara; ÇIRLAN, Mehmet Akif. and HÜRRİYETOĞLU, Ali (2024), “A Cross Validation Study of Turkish Sentiment Analysis Datasets and Tools”,. Internet Address: https://arxiv.org/abs/2412.05964. Access Date: 01.11.2025.
4. DAVIDOVIC, Milivoje and MCCLEARY, Jacqueline (2025). “News Sentiment and Stock Market Dynamics: A Machine Learning Investigation”. Journal of Risk and Financial Management, Vol 8; 412.
5. DEMİRKALE, Özge and CAN, Nesrin Esin (2021). “Makroekonomik Değişkenlerin BIST Turizm Endeksi Üzerindeki Etkisi”. Sakarya Üniversitesi İşletme Enstitüsü Dergisi, Vol 1; 175-180.
6. FAMA, Eugene Francis (1970). “Efficient Capital Markets: A Review of Theory and Empirical Work”. Journal of Finance, Vol 2; 383–417.
7. GUPTA, Tapas; DEVJI, Shridev and TRİPATHİ, Ashish Kumar (2025). “Investigating the Impact of Sentiments on Stock Market Using Digital Proxies: Current Trends, Challenges, and Future Directions”. Expert Systems with Applications, Vol 285; 127864.
8. GÜLAY, Güzhan.; ARMAĞAN, Ülkü İlknur and ERGUN, Korkmaz. (2023). “Turizm ve Türkiye Sermaye Piyasalarının Etkileşimi: Borsa İstanbul Turizm Endeksinin Analizi”. Journal of Gastronomy, Hospitality and Travel, Vol 6; 1477–1490.

9. HALDER, Shayan. (2022). “FinBERT-LSTM: Deep Learning based stock price prediction using News Sentiment Analysis”. Internet Address: https://arxiv.org/abs/2211.07392.Access Date: 15.11.2025
10. HUANG, H. Allen; WANG, Huı and YANG, Yı (2023). “FinBERT: A Large Language Model for Extracting Informationfrom Financial Text”. Contemporary Accounting Research, Vol 40; 806-841.
11. KAHNEMAN, Daniel and TVERSKY, Amos. (1979). “Prospect Theory: An Analysis of Decision under Risk”. Econometrica, Vol 47; 263–292.
12. KEMALOĞLU, Nazan; KÜÇÜKSİLLE, Uğur Ecir and ÖZGÜNSÜR, Emin, Muhammed (2021). “Turkish Sentiment Analysis on Social Media”. Sakarya University Journal of Science, Vol 25; 629-638.
13. LI, Huiyu., & HU, Junhua. (2024). “A Hybrid Deep Learning Framework for Stock Price Prediction Considering Investor Sentiment of Online Forum Enhanced by Popularity”. Internet Address: https://arxiv.org/abs/2405.10584. Access Date: 11.11.2025
14. TETLOCK, Paul. C. (2007). “Giving Content to Investor Sentiment: The Role of Media in the Stock Market”. Journal of Finance, Vol 62; 1139–1168.
15. TOKCAER, Sinem (2021). “Türkçe Metinlerde Duygu Analizi”. Journal of Yasar University Vol 16; 1514-1534.