Sosyal medyanın finansal piyasalara etkisi ve hisse senedi fiyat öngörülerinde kullanılması: Borsa İstanbul örneği
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Bursa Uludağ Üniversitesi, SOSYAL BİLİMLER ENSTİTÜSÜ, İşletme, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: YUNUS EMRE AKDOĞAN
Danışman: Adem Anbar
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dijital dönüşüm, sosyal yaşamın geçmişte verileştirilmesinin en zor alanlarıyla ilgili deneysel ve gözlemsel verilerine, makroskobik ve mikroskobik ölçekte ulaşmak için benzeri görülmemiş fırsatlar sunmaktadır. Bu bağlamda sosyal bilimler açısından dijital çağın en önemli veri kaynaklarından biri sosyal medya platformlarıdır. Bu çalışmada, geleneksel finansın genel kabul görmüş "tam bilgi", "rasyonel insan" ve "izole birey" varsayımları yerine, eksik bilgisini tamamlamaya çalışan, sınırlı ve ekolojik rasyonaliteye sahip, sosyal çevresinin ve duygularının karar süreçlerinde pay sahibi olabildiği bir insan modelini esas alarak, bireysel yatırımcıların davranışlarını Twitter'dan toplanan büyük veri ile yapay zekâ ve makine öğrenmesi yöntemlerini kullanarak çözümlemek amaçlanmaktadır. Bu amaçla Twitter kullanıcılarının 01.01.2012-28.02.2020 döneminde paylaştığı tweetler toplanmıştır. Tweetlerin Borsa İstanbul (BIST) pay piyasası ile ilgili olup olmadığını belirlemek için hem anahtar kelime tabanlı hem makine öğrenmesi tabanlı iki farklı bağlam sınıflandırıcı geliştirilmiştir. Makine öğrenmesi tabanlı bağlam sınıflandırıcı derin öğrenme yaklaşımlarından Gated Recurrent Units (GRU) yöntemi ile eğitilmiş ve %98 sınıflandırma başarısı elde edilmiştir. Tweetlerin fikri ve duygusal yöneliminin pozitif, negatif ya da nötr olarak sınıflandırılabilmesi için fikir ve duygu [sentiment] sınıflandırıcısı, ön eğitimli Bidirectional Encoder Representations from Transformers (BERT) yöntemiyle eğitilmiş ve pozitif ve negatif sınıflar için %91, nötr sınıf için %89 sınıflandırma başarısı elde edilmiştir. Twitter verilerinden elde edilen öznitelikler ile Borsa İstanbul pay piyasası endekslerinden BIST30, BIST100, BISTTUM, BIST SINAİ, BIST TEKNOLOJİ, BIST HİZMETLER, BIST MALİ arasındaki ilişki makine öğrenmesi yöntemlerinden Lineer Regresyon, Lasso Regresyon, Rassal Orman ve XGBoost ile analiz edilmiştir. Analiz sonucunda BIST 100 endeksinin açılış değerindeki değişimin %91'inin, işlem hacmindeki değişimin %63'ünün ve volatilitedeki değişimin %67'sinin tweetlerden elde edilen bilişsel, davranışsal ve sosyal öznitelikler ile açıklanabildiği bulgusuna ulaşılmıştır. Benzer bulgular diğer endeksler için de geçerlidir.