YATIRIM KARAR VERME SÜREÇLERİNDE YAPAY ZEKÂ UYGULAMALARI VE ETKİLERİ

Öz

Bu çalışma, yatırım karar verme süreçlerinde yapay zekâ (AI) uygulamalarının etkinliğini ve açıklanabilir yapay zekâ (XAI) yaklaşımlarının rolünü kapsamlı bir biçimde incelemeyi amaçlamaktadır. Araştırmanın temel amacı, AI tabanlı modellerin finansal piyasalarda yatırım performansı, risk yönetimi ve karar kalitesi üzerindeki katkılarını, geleneksel yöntemlerle karşılaştırmalı olarak ortaya koymaktır. Çalışma, Borsa İstanbul (BIST 100) endeksine ait 01.01.2016–31.12.2025 tarihleri arasındaki günlük kapanış fiyatları ve getirilerden oluşan ikincil veri seti ile sınırlıdır ve farklı makroekonomik rejimlerin, pandemi ve enflasyon gibi heterojen piyasa koşullarının etkilerini kapsamaktadır. Araştırmada nicel yöntem benimsenmiş ve karşılaştırmalı bir model kullanılmıştır. Yapay zekâ temelli modeller olarak Rastgele Orman (Random Forest) ve Uzun Kısa Süreli Bellek (LSTM) algoritmaları, geleneksel zaman serisi modelleri olarak ise ARIMA uygulanmıştır. Modellerin performansı, ortalama getiri, volatilite, Sharpe oranı ve maksimum düşüş gibi kriterler üzerinden ölçülmüş ve yön tahmin doğruluğu ile karşılaştırılmıştır. Bulgular, AI temelli modellerin özellikle yüksek volatilite ve piyasa belirsizliği dönemlerinde daha istikrarlı ve doğru yatırım kararları sağladığını göstermektedir. Örneğin, pandemi süreci ve belirsiz makroekonomik dönemlerde AI modelleri geleneksel modellere kıyasla üstün performans göstermiştir. Öte yandan güçlü ve tek yönlü trendlerin görüldüğü dönemlerde klasik modellerin de yüksek performans sergileyebildiği gözlemlenmiştir. Bu sonuçlar, yatırım karar mekanizmalarında hibrit yaklaşımların yani geleneksel finans teorileri ile AI tekniklerinin birlikte kullanılması daha dengeli ve etkili stratejiler geliştirilmesine katkı sağlayabileceğini ortaya koymaktadır.

Anahtar Kelimeler

• Yapay Zekâ
• Açıklanabilir Yapay Zekâ (XAI)
• Yatırım Karar Süreçleri
• Finansal Zaman Serileri
• Risk Yönetimi

APPLICATIONS AND EFFECTS OF ARTIFICIAL INTELLIGENCE IN INVESTMENT DECISION-MAKING PROCESSES

Öz

This study aims to comprehensively examine the effectiveness of artificial intelligence (AI) applications and the role of explainable AI (XAI) in investment decision-making processes. The primary objective is to assess how AI-based models contribute to investment performance, risk management, and decision quality in financial markets, in comparison with traditional methods. The study is limited to the Borsa İstanbul (BIST 100) index, covering daily closing prices and returns from January 1, 2016, to December 31, 2025, capturing diverse macroeconomic conditions, including the pandemic and inflationary periods. A quantitative research approach was adopted, using a comparative model framework. AIbased models, including Random Forest and Long Short-Term Memory (LSTM) algorithms, were compared with traditional time series models such as ARIMA. Model performance was evaluated using metrics such as average return, volatility, Sharpe ratio, and maximum drawdown, along with directional accuracy. The findings indicate that AI-based models provide more stable and accurate investment decisions, particularly during periods of high volatility and market uncertainty. For instance, during the pandemic and other uncertain macroeconomic periods, AI models outperformed traditional models. However, in periods with strong and unidirectional trends, classical models also achieved high performance. These results suggest that hybrid approaches, integrating traditional financial theories with AI techniques, can yield more balanced and effective investment strategies.

Anahtar Kelimeler

• Artificial Intelligence
• Explainable Artificial Intelligence (XAI)
• Investment Decision Processes
• Financial Time Series
• Risk Management

Kaynakça

1. Ahmed, S., Alshater, M. M., El Ammari, A., & Hammami, H. (2022). Yapay zekâ ve makine öğrenimi finans alanında: Bibliyometrik bir inceleme. Uluslararası İşletme ve Finans Araştırmaları.
2. Arsenault, P.-D., Wang, S., & Patenande, J.-M. (2024). A survey of explainable artificial intelligence (XAI) in financial time series forecasting. arXiv preprint arXiv:2407.15909. https://arxiv.org/abs/2407.15909
3. Atsalakis, G. S., & Valavanis, K. P. (2009). Surveying stock market forecasting techniques – Part II: Soft computing methods. Expert Systems with Applications, 36(3), 5932–5941. https://doi.org/10.1016/j.eswa.2008.07.006
4. Aydın, S., & Güneysu, Y. (2025). ChatGPT kullanımının yatırım kararları üzerindeki etkisi: Borsa İstanbul’daki bireysel yatırımcılara yönelik bir araştırma. Karadeniz Ekonomi Araştırmaları Dergisi, 6(2), 92–103. https://doi.org/10.71233/kared.1749447
5. Bahoo, S., et al. (2024). Artificial intelligence in finance: A bibliometric analysis. Journal of Financial Innovation, 10(1), 1–25.
6. Barakalı, O. C., & Öndeş, T. (2025). Finans alanında yapay zekâ uygulamalarına ilişkin bibliyometrik bir analiz. Gümüşhane University Journal of Social Sciences, 16(2), 748–761.
7. Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: Forecasting and control (5th ed.). Wiley.
8. Campbell, J. Y., Lo, A. W., & MacKinlay, A. C. (1997). The econometrics of financial markets. Princeton University Press.

9. CFA Institute Research & Policy Center. (2025). Explainable AI in finance: Addressing the needs of diverse stakeholders.
10. Chen, X.-Q., Ma, C.-Q., Ren, Y.-S., Lei, Y.-T., Huynh, N. Q. A., & Narayan, S. (2023). Explainable artificial intelligence in finance: A bibliometric review. Finance Research Letters, 56, 104145. https://doi.org/10.1016/j.frl.2023.104145
11. Coşkun, E. A. (2022). The role of artificial intelligence in investment decisions and applications in the Turkish finance industry. Gaziantep University Journal of Social Sciences, 21(4), 2208–2222. https://doi.org/10.21547/jss.1101615
12. Fischer, T., & Krauss, C. (2018). Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research, 270(2), 654–669. https://doi.org/10.1016/j.ejor.2017.11.054
13. Goodell, J. W., et al. (2021). Artificial intelligence and machine learning in finance: Identifying foundations, themes, and research clusters. Finance Research Letters, 38, 101112.
14. Gu, S., Kelly, B., & Xiu, D. (2020). Empirical asset pricing via machine learning. The Review of Financial Studies, 33(5), 2223–2273.
15. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning. Springer.
16. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780. https://doi.org/10.1162/neco.1997.9.8.1735
17. Jankova, Z. (2021). Artificial intelligence in financial markets. Journal of Risk and Financial Management, 14(8), 353.
18. Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255–260.
19. Krauss, C., Do, X. A., & Huck, N. (2017). Deep neural networks, gradient-boosted trees, and random forests for financial time series prediction. European Journal of Operational Research, 259(2), 689–703. https://doi.org/10.1016/j.ejor.2016.10.031
20. Lo, A. W. (2004). The adaptive markets hypothesis. The Journal of Portfolio Management, 30(5), 15–29.
21. Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. https://arxiv.org/abs/1705.07874
22. Mahajan, K. (2024). Transforming financial decision-making with artificial intelligence: A comprehensive study on AI-driven algorithms for investment, trading, and portfolio management. Journal of Electrical Systems, 20(10s).
23. Manogna, R., & Anand, B. (2023). Machine learning applications in finance: A bibliometric review. International Journal of Finance & Economics, 28(4), 4120–4142. https://doi.org/10.1108/K-04-2023-0637
24. Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1), 77–91. https://doi.org/10.2307/2975974
25. Mohsin, M. T., & Nasim, N. B. (2025). Explainable AI in finance: A systematic review. arXiv preprint arXiv:2503.05966. https://arxiv.org/abs/2503.05966
26. Özer, B. (2025). Yapay zekâ tabanlı yatırım öneri araçlarının bireysel yatırım kararları üzerindeki etkisi (Yayınlanmamış yüksek lisans tezi). Ege Üniversitesi Sosyal Bilimler Enstitüsü, İzmir.
27. Pattnaik, D., Ray, S., & Raman, R. (2024). Applications of artificial intelligence and machine learning in the financial services industry: A bibliometric review. Heliyon, 10(1), e23492. https://doi.org/10.1016/j.heliyon.2023.e23492
28. Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). “Why should I trust you?” Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135–1144. https://doi.org/10.1145/2939672.2939778
29. Saini, V. (2025). Impact of artificial intelligence on investment decision-making. International Journal of Engineering and Management Research.
30. Schmitt, M. (2024). Explainable automated machine learning for credit decisions: Enhancing human–AI collaboration in financial engineering.
31. Sezer, O. B., Gudelek, M. U., & Ozbayoglu, A. M. (2020). Financial time series forecasting with deep learning: A systematic literature review. Applied Soft Computing, 90, 106181. https://doi.org/10.1016/j.asoc.2020.106181
32. Springer Review. (2023). Applications of explainable artificial intelligence in finance: A systematic review. Management Review Quarterly, 74, 867–907.
33. Springer Review. (2024). Explainable artificial intelligence (XAI) in finance: A systematic literature review. Artificial Intelligence Review, 57, 216.
34. Şahin, S. (2024). Finans sektöründe yapay zekâ, makine öğrenmesi ve büyük veri kullanımı: Fırsatlar, zorluklar ve politika yapıcılar için çıkarımlar. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 9(4), 364–381.
35. Vinotha, C., Alsulami, F., Mohd, S., & Kankariya, R. A. (2024). Artificial intelligence in financial markets: Predictive models and risk management strategies. International Conference on Science Technology Engineering and Mathematics (ICONSTEM). https://doi.org/10.1109/ICONSTEM60960.2024.10568778
36. Weber, P., Carl, K. V., & Hinz, O. (2023). Açıklanabilir yapay zekanın finansta uygulamaları—Finans, bilgi sistemleri ve bilgisayar bilimleri literatürünün sistematik bir incelemesi. Management Review Quarterly, 74(2), 1–41. https://doi.org/10.1007/s11301-023-00320-0
37. Yıldız, A. (2022). Finans alanında yapay zekâ teknolojisinin kullanımı: Sistematik literatür incelemesi. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 52, 47–66. https://doi.org/10.30794/pausbed.1089134