Hisse Senetlerinde Teknik Analiz ve Takas Analizinin Birlikte Kullanılması

Öz

Bu çalışmanın amacı, hisse senedi piyasasında geçmiş verilerle gelecekteki varlık fiyatlarının yönünü tahmin etme ve teknik analiz verileri ile borsaya giriş-çıkış zamanlaması üzerinedir. Çalışma Borsa İstanbul (BİST)’da yer alan likit bankadışı 10 hisselerini kapsamaktadır. Bu hisselere ait fiyat tahminlerinde kullanılacak yöntemler ise Teknik analiz ve Takas analizidir. Borsada alıcıların hangi hisseler üzerinde yoğunlaştıklarını takas analizi ile bulunup, hisse senetleri üzerinde teknik indikatörler kullanılarak en uygun giriş ve çıkış zamanları bulunmaya çalışılacaktır. Böylece hisse senedi getirileri ile teknik verilerle değerlendirilip gelecekte hisse senedinin fiyat oluşumu hangi yönde oluşacağı tahmin edilmeye çalışılacaktır. Bu bağlamda hisselerin al/sat/tut konumunda olduklarını kolayca görülmesi sağlanacaktır. Özellikle takas analizi, hisseyi elinde bulunduranların ve yeni yatırımcılar açısından hisselere talep olup olmadığını ayrıca hisse fiyatlarını gelecekteki yönü hakkında fikirler sunmaktadır. Bu çalışmada, hisse senetlerinde ilk beş aracı kurumun takas payındaki değişimler dikkate alınarak teknik analiz sinyalleri ve getiri arasındaki bağlantı ortaya konulmaya çalışılacaktır. Takas analizinde Temmuz 2024 ile Ağustos 2025 takas verileri aylık olarak ele alınacaktır. Takas payları gösterimi ise İlk beş sırada yer alan aracı kurum gösterilecek olup bunların dışında kalan onlarca aracı kurumun takas paylarının toplamı ise “DİĞER” grubu olarak gösterilecektir. Teknik indikatör olarak ise EMA (Exponential Moving Average) yani üssel hareketli ortalama kullanılmıştır. Zaman periyotları olarak “5” günlük ve “22” günlük ortalamaları esas alınmıştır. Sonuç olarak teknik ve takas analiz verileri birlikte kullanıldığında hisse senedi getirilerinin yatırımcılar açısından artış sağladığı ve böylece daha sağlam bir yatırım stratejisine katkıda bulunduğu varsayılmaktadır.

Anahtar Kelimeler

• BIST
• Teknik analiz
• Takas analizi

Using Technical Analysis and Settlement Analysis Together in Stocks

Öz

The purpose of this study is to predict the future direction of asset prices in the stock market using historical data and to determine the timing of market entry and exit using technical analysis data. The study covers 10 liquid non-bank stocks listed on the Istanbul Stock Exchange (BIST). The methods used for price predictions for these stocks are technical analysis and settlement analysis. Exchange analysis will be used to identify which stocks buyers are focusing on in the stock market, and technical indicators will be used on the stocks to determine the most appropriate entry and exit times. Thus, stock returns will be evaluated using technical data to predict the future direction of stock prices. In this context, it will be easy to see whether stocks are in a buy, sell, or hold position. In particular, the settlement analysis provides insights into whether there is demand for stocks from existing holders and new investors, as well as the future direction of stock prices. In this study, the connection between technical analysis signals and returns will be explored by considering changes in the settlement shares of the top five brokerage firms in stocks. In the settlement analysis, exchange data from July 2024 to August 2025 will be considered on a monthly basis. The exchange shares will be displayed for the top five brokerage firms, while the sum of the exchange shares of the dozens of brokerage firms outside this group will be shown as the “OTHERS” group. The EMA (Exponential Moving Average) was used as the technical indicator. The time periods used were the 5-day and 22-day averages. As a result, it is assumed that when technical and settlement analysis data are used together, stock returns increase for investors, thus contributing to a more robust investment strategy.

Anahtar Kelimeler

• BIST
• Technical analysis
• Settlement analysis
• stock
• exchange

Kaynakça

1. Ardiansyah, F. D., Nikmah, C., & Irwandy, M. H. B. A. (2025). Can technical analysis indicators predict future stock prices? Evidence from Elliot Wave and Fibonacci Retracement. https://doi.org/10.37641/jimkes.v13i1.3044
2. Ausloos, M., & Ivanova, K. (2002). Mechanistic approach to generalized technical analysis of share prices and stock market indices. The European Physical Journal B-Condensed Matter and Complex Systems, 27(2), 177-187. https://doi.org/10.1140/epjb/e20020144
3. Akdoğan, Y. E. (2025). When Machines Learn Technical Analysis: An Applıcation On Technical Analysis With Machine Learning In Borsa Istanbul. Trakya Üniversitesi Sosyal Bilimler Dergisi, 27(IERFM 2025 Özel Sayı), 275-302. https://doi.org/10.26468/trakyasobed.1514346
4. Akan, B., & Özbayoğlu, A. M. (2025, June). 3-D CNN based Algorithmic Trading System. In 2025 33rd Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
5. Alaylı, H., & Kurt, S. (2025). Foreks Piyasalarında Major Parite ve Endekslerde Kullanılan İndikatörlerin Optimizasyonu. Parion Akademik Bakış Dergisi, 4(1), 41-72.
6. Ayala, J., García-Torres, M., Noguera, J. L. V., Gómez-Vela, F., & Divina, F. (2021). Technical analysis strategy optimization using a machine learning approach in stock market indices. Knowledge-Based Systems, 225, 107119. https://doi.org/10.1016/j.knosys.2021.107119.
7. Barber, B. M., & Odean, T. (2008). All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors. The review of financial studies, 21(2), 785-818. https://doi.org/10.1093/rfs/hhm079
8. Barroso, B. C., Cardoso, R. T., & Melo, M. K. (2021). Performance analysis of the integration between Portfolio Optimization and Technical Analysis strategies in the Brazilian stock market. Expert Systems with Applications, 186, 115687. https://doi.org/10.1016/j.eswa.2021.115687

9. Blume, L., Easley, D., & O'hara, M. (1994). Market statistics and technical analysis: The role of volume. The journal of finance, 49(1), 153-181. https://doi.org/10.2307/2329139
10. Borsa İstanbul (BİST), 2025a. Endeksler, https://www.borsaistanbul.com/tr/endeks-detay/1000/bist-100 , Access Date: 16.08.2025
11. Borsa İstanbul (BİST), 2025b. Takas esasları, https://borsaistanbul.com/piyasalar/pay-piyasasi/takas-esaslari , Access Date: 20.09.2025
12. Bisoi, R., & Dash, P. K. (2014). A hybrid evolutionary dynamic neural network for stock market trend analysis and prediction using unscented Kalman filter. Applied Soft Computing, 19, 41-56. https://doi.org/10.1016/j.asoc.2014.01.039
13. Birgili, E., & Esen, S. (2013). Teknik Analiz Yönteminin Bulanık Mantık Yaklaşımı ile Uygulanması: İMKB 30 Banka Hisseleri Örneği. Finans Politik ve Ekonomik Yorumlar (575), 95.
14. Bilen, K., & Bahar, O. (2023). Teknik Analiz İndikatörlerinin Etkinlik Analizi: Borsa İstanbul Turizm Sektörü Üzerine Bir Uygulama. Anatolia: Turizm Araştırmaları Dergisi, 34(2), 83-94. https://doi.org/10.17123/atad.1291666
15. Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. The Journal of finance, 47(5), 1731-1764. https://doi.org/10.1111/j.1540-6261.1992.tb04681.x
16. Büberkökü, Ö. (2022). Kripto Para Piyasalarına Uygulanan Teknik Analiz Yöntemlerinin Performanslarının Analizi. Fenerbahçe Üniversitesi Sosyal Bilimler Dergisi, 2(2), 258-272.
17. Chang, E. J., Lima, E. J. A., & Tabak, B. M. (2004). Testing for predictability in emerging equity markets. Emerging Markets Review, 5(3), 295-316. https://doi.org/10.1016/j.ememar.2004.03.005
18. Çapkan, Y., Şenol, E., & Ulu, C. (2021). Fuzzy Decision Mechanism for Stock Market Trading. Avrupa Bilim ve Teknoloji Dergisi (26), 6-11. https://doi.org/10.31590/ejosat.951586
19. Çetinyokuş, T., & Gökçen, H. (2013). Borsada Göstergelerle Teknik Analiz İçin Bir Karar Destek Sistemi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 17(1), 43-58.
20. Chong, E., Han, C., & Park, F. C. (2017). Deep learning networks for stock market analysis and prediction: Methodology, data representations, and case studies. Expert Systems with Applications, 83, 187-205. https://doi.org/10.1016/j.eswa.2017.04.030
21. Fama, E. F. (1995). Random walks in stock market prices. Financial analysts journal, 51(1), 75-80. https://doi.org/10.2469/faj.v51.n1.1861
22. Fama, E. F., Fisher, L., Jensen, M. C., & Roll, R. (1969). The adjustment of stock prices to new information. International economic review, 10(1), 1-21. https://doi.org/10.2307/2525569
23. Fama, E. F. (1965). The behavior of stock-market prices. The journal of Business, 38(1), 34 105. https://www.jstor.org/stable/2350752
24. Fintables (FİNTAB), 2025. Takas-analizi, https://fintables.com/arastirma/yazilar/takas-analizi/takas-ve-araci-kurum-dagilimi-nedir , Access Date: 16.08.2025
25. Grinblatt, M., Titman, S., & Wermers, R. (1995). Momentum investment strategies, portfolio performance, and herding: A study of mutual fund behavior. American Economic Review, 85(5), 1088-1105. Available at SSRN: https://ssrn.com/abstract=5686
26. Graham, B., & Dodd, D. L. (2009). Security Analysis: Foreword by Warren Buffett. https://glenbradford.com/files/Stocks/security-analysis-benjamin-graham-6th-edition-pdf-february-24-2010-12-08-am-3-0-meg.pdf.
27. Güneş, H., & Kaya, M. (2025). BİST Katılım 30 Endeksinde Yer Alan Hisse Senetlerinin Teknik Analiz ile İncelenmesi. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 16(46), 373-390. https://doi.org/10.21076/vizyoner.1560195
28. Ijegwa, A. D., Rebecca, V. O., Olusegun, F., & Isaac, O. O. (2014). A predictive stock market technical analysis using fuzzy logic. Computer and information science, 7(3), 1. https://doi.org/10.5539/cis.v7n3p1
29. Ilarslan, K. (2014). Hisse Senedi Fiyat Hareketlerinin Tahmin Edilmesinde Markov Zincirlerinin Kullanılması: İMKB 10 Bankacılık Endeksi İşletmeleri Üzerine Ampirik Bir Çalışma. Yaşar Üniversitesi E-Dergisi, 9(35), 6158-6198. https://doi.org/10.19168/jyu.32384
30. Karadaş, F., Eravci, B., & Özbayoğlu, A. M. (2025, June). Stock Price Prediction with Multimodal Data. In 2025 33rd Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
31. Nazario, R. T. F., e Silva, J. L., Sobreiro, V. A., & Kimura, H. (2017). A literature review of technical analysis on stock markets. The Quarterly Review of Economics and Finance, 66, 115-126. https://doi.org/10.1016/j.qref.2017.01.014
32. Nti, I. K., Adekoya, A. F., & Weyori, B. A. (2020). A systematic review of fundamental and technical analysis of stock market predictions. Artificial Intelligence Review, 53(4), 3007-3057. https://doi.org/10.1007/s10462-019-09754-z
33. Matriks. (2025). Matriks veri terminali [Bilgisayar yazılımı]. Matriks Bilgi Dağıtım Hizmetleri A.Ş. https://www.matriksdata.com
34. Marshall, B. R., & Cahan, R. H. (2005). Is technical analysis profitable on a stock market which has characteristics that suggest it may be inefficient?. Research in International Business and Finance, 19(3), 384-398. https://doi.org/10.1016/j.ribaf.2005.05.001 Metghalchi, M., Chang, Y. H., & Garza-Gomez, X. (2012). Technical analysis of the Taiwanese stock market. International Journal of Economics and Finance, 4(1), 90-102. https://doi.org/10.5539/ijef.v4n1p90
35. Özarı, Ç., Turan, K., & Demir, E. (2016). TEKNİK İNDİKATÖRLERİN ETKİNLİĞİ: BIST30 VE BIST100 ENDEKSLERİ ÜZERİNE BİR UYGULAMA. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 6(1), 94-113.
36. Öztürk, H. (2016). Teknik Analizde Alım-Satım Sistemi Oluşturma: Sistemin Geçmişe Yönelik Testleri. Finansal Araştırmalar ve Çalışmalar Dergisi, 8(15), 469-493. https://doi.org/10.14784/marufacd.266523
37. Park, C. H., & Irwin, S. H. (2007). What do we know about the profitability of technical analysis?. Journal of Economic surveys, 21(4), 786-826. https://doi.org/10.1111/j.1467-6419.2007.00519.x
38. Pramudya, R., & Ichsani, S. (2020). Efficiency of technical analysis for the stock trading. International Journal of Finance & Banking Studies, 9(1), 58-67. https://doi.org/10.20525/ijfbs.v9i1.666
39. Public Information Platform (PIP)- Kamu Aydınlatma Platformu (KAP), 2025. Endeksler, https://www.kap.org.tr/tr/Endeksler, Access Date: 13.08.2025
40. Saltık, Ö. (2024). A Sectoral Perspectıve On Frontrunners And Informatıon Cascades: Central And Isolated Clearıng Analysıs Usıng Isolatıon Forest. Nişantaşı Üniversitesi Sosyal Bilimler Dergisi, 12(Özel Sayı), 293-321. https://doi.org/10.52122/nisantasisbd.1557322
41. Sakınç, S. (2018). Hisse Senedine Yatırım Yaparken Finansal Analiz İle Teknik Analiz Yöntemlerinin Birlikte Kullanılmasının Önemi Ve Bist’de Bir Uygulama. Sosyal Araştırmalar ve Davranış Bilimleri Dergisi, 4(5), 134-153.
42. Sharma, K., & Bhalla, R. (2025). A Comparative Analysis of Proposed and Existing Technical Indicators for Indian Stock Market. Procedia Computer Science, 259, 1619-1628. https://doi.org/10.1016/j.procs.2025.04.117
43. Sümer, K. K. (2022). Hisse Senedi Getirisi Üzerinde Teknik Analiz Göstergelerinin Etkinliği: Bir Panel Veri Yaklaşımı. Eurasian Econometrics Statistics & Emprical Economics Journal, (1), 43–56. https://doi.org/10.17740/eas.stat.2015.V1-04
44. Tek, A. O. (2022). Pay Senedi Yatırımlarında Teknik Analiz Yöntemlerinin Uygulanması ve BİST 30 Endeksi Üzerinde Test Edilmesi. Ufuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(22), 7-23.
45. Tek, A. O., Babuşçu, Ş., & Hazar, A. (2022). Pay Senedi Yatırımlarında Teknik Analiz Yöntemlerinin “TTKOM ve TUPRAS” Üzerinde Test Edilmesi. İşletme Araştırmaları Dergisi, 14(3), 2635-2653.
46. Tekin, B., Güçlü, P., & Keskin, B. (2019). Pay Senetlerinden Portföy Oluşturmaya Bulanık Kümeleme Analizi Yaklaşımı: Bıst 100 Endeksi Pay Senetleri Üzerine Bir Uygulama. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(2), 238-262. e-ISSN 2667-405X
47. Teixeira, L. A., & De Oliveira, A. L. I. (2010). A method for automatic stock trading combining technical analysis and nearest neighbor classification. Expert systems with applications, 37(10), 6885-6890. https://doi.org/10.1016/j.eswa.2010.03.033
48. Oliveira, N., Cortez, P., & Areal, N. (2017). The impact of microblogging data for stock market prediction: Using Twitter to predict returns, volatility, trading volume and survey sentiment indices. Expert Systems with applications, 73, 125-144. https://doi.org/10.1016/j.eswa.2016.12.036
49. Uyar, U., Kelten, G. S., & Moralı, T. (2020). YATIRIMCILAR İÇİN TEKNİK ANALİZ: BITCOIN VE ETHEREUM UYGULAMALARI. Finansal Araştırmalar ve Çalışmalar Dergisi, 12(23), 653-671. https://doi.org/10.14784/marufacd.785878
50. Wong, W. K., Manzur, M., & Chew, B. K. (2003). How rewarding is technical analysis? Evidence from Singapore stock market. Applied Financial Economics, 13(7), 543-551. https://doi.org/10.1080/0960310022000020906
51. Zhou, X., Pan, Z., Hu, G., Tang, S., & Zhao, C. (2018). Stock market prediction on high‐frequency data using generative adversarial nets. Mathematical Problems in Engineering, 2018(1), 4907423. https://doi.org/10.1155/2018/4907423