Bu çalışmada, altın fiyatlarını etkileyen ekonomik faktörleri belirlemek ve en etkili tahmin modelini ortaya koymak amacıyla çeşitli makine öğrenmesi yöntemleri karşılaştırılmıştır. Kullanılan yöntemler arasında doğrusal regresyon, çok değişkenli uyarlamalı regresyon eğrileri (MARS), aşırı gradyan artırma (XGBoost), rastgele orman, yapay sinir ağları (ANN) ve topluluk yaklaşımına dayalı voting regressor yer almaktadır. Test verisi sonuçlarına göre, en yüksek tahmin doğruluğunu MARS modeli göstermiş; MARS modelinden sonra yapay sinir ağları modeli ve voting regressor modeli güçlü performans sergilemiştir. En iyi performans gösteren üç modelin analizi, altın fiyatlarını en çok etkileyen faktörlerin gümüş fiyatı, BIST 100 Endeksi ve NASDAQ Endeksi olduğunu ortaya koymuştur. Genel olarak, makine öğrenmesi yaklaşımları geleneksel modellere göre daha üstün bir performans sergilemiş, MARS modeli ise altın fiyatı tahmininde en güvenilir ve en doğru sonuçları sağlamıştır.
In this study, various machine learning methods were compared to identify the economic factors influencing gold prices and to determine the most effective prediction model. The methods used include linear regression, multivariate adaptive regression splines (MARS), extreme gradient boosting (XGBoost), random forest, artificial neural networks (ANN), and the ensemble-based voting regressor. According to the test data results, the MARS model demonstrated the highest prediction accuracy, followed by the ANN model and the voting regressor model. The analysis of the three best-performing models revealed that the most influential factors on gold prices are silver prices, the BIST 100 Index, and the NASDAQ Index. Overall, machine learning approaches outperformed traditional models, with MARS providing the most reliable and accurate predictions for gold price forecasting.