Hisse Senedi Piyasası Analizinde Farklı Derin Sinir Ağı Modellerinin Karşılaştırılması

Abstract

Yatırımcılar, tasarruflarını getiri potansiyeli yüksek varlıklara yönlendirerek portföylerini güçlendirmeyi ve daha yüksek getiri elde etmeyi hedefliyor. Çeşitli finansal araçlar arasında hisse senetleri yüksek getiri potansiyeli sunan yatırım araçları olarak değerlendirilmektedir. Sonuç olarak hisse senedi fiyat tahmini birçok yatırımcı ve araştırmacının merak konusu olmuştur ve olmaya da devam etmektedir. Ancak yüksek getiri arayışı aynı zamanda yüksek riskleri ve belirsizlikleri de beraberinde getiriyor. Bu belirsizliğin temel kaynakları arasında hisse senedi fiyatlarını etkileyen siyasi olaylar, toplumsal gelişmeler, uluslararası ilişkiler ve sektörel değişimler yer alıyor. Bu çok yönlü ve karmaşık faktörlerin tahmini zordur ve hisse senedi fiyat hareketlerini tahmin etme görevini doğası gereği zorlaştırır. Geleneksel olarak hisse senedi fiyat tahminleri istatistiksel ve ekonometrik yöntemlere dayanmaktaydı. Son yıllarda teknoloji ve bilgisayar bilimlerindeki ilerlemeler, hisse senedi fiyat tahminlerinde yapay zeka ve makine öğrenmesi metodolojilerinin giderek daha fazla kullanılmasına yol açmıştır. 2000'li yıllardan itibaren derin öğrenme yöntemlerinin gelişmesiyle birlikte hisse senedi fiyat hareketlerindeki karmaşık ilişkiler tespit edilmeye başlanmış ve başarılı sonuçlar elde edilmiştir. Bu çalışmada, çok değişkenli Derin Sinir Ağları (Deep Neural Network-DNN), Evrişimsel Sinir Ağları (Convolutional Neural Network-CNN) ve Tekrarlayan Sinir Ağları (Recurrent Neural Networks-RNN) modelleri kullanılarak hisse senedi fiyatlarını tahmin etmek ve modellerin performanslarını karşılaştırmak amaçlanmıştır. Bu amaçla, Vestel Elektronik Sanayi ve Ticaret A.Ş. (VESTL) için 03/06/2013-28/05/2021 tarihleri arasında günlük hisse senedi kapanış fiyatları serisi ve bu seriye etki edebilecek bağımsız değişkenler ele alınarak analizler yapılmıştır. Analiz sonuçlarına göre, en iyi performans gösteren modelin CNN olduğu belirlenmiş ve bu modelin RMSE değeri 0.0858 olarak hesaplanmıştır.