Hisse Senedi Fiyat Tahmininde İstatiksel ve Yapay Zekâ Modellerinin Etkisi: Gerçek Zamanlı Veri Üzerine Bir İnceleme

Finans piyasalarındaki belirsizlik, yüksek volatilite ve karmaşıklık, fiyat tahminini yatırımcılar için oldukça zor hale getirmektedir. Geleneksel yöntemlerin sınırlılıkları, yatırımcıları daha ileri teknolojilere yönlendirmekte, bu bağlamda makine öğrenmesi ve derin öğrenme yöntemleri önemli araçlar olarak öne çıkmaktadır. Bu tez çalışmasında, makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak farklı tahmin modelleri oluşturulmuş ve hisse senedi fiyatlarının analizi yapılmıştır. Modellerin eğitilmesi ve test edilmesi aşamasında, gerçek hisse senedi verileri kullanılarak kapsamlı bir analiz gerçekleştirilmiştir. Modellerin performansları doğruluk oranları, performans değerlendirme ölçütleri ve işlem süreleri gibi kriterlerle ayrıntılı olarak karşılaştırılmıştır. Elde edilen sonuçlar, LR modelinin hisse senedi fiyat tahmininde daha başarılı olduğunu ortaya koymuştur. Çalışmanın bulguları, finansal piyasalarda daha doğru yatırım kararları alınabilmesi için gelecekteki çalışmalara da ışık tutmaktadır.

Uncertainty, high volatility and complexity in financial markets make price prediction very difficult for investors. The limitations of traditional methods lead investors to more advanced technologies, and in this context, machine learning and deep learning methods stand out as important tools. In this thesis, different forecasting models are created using machine learning and deep learning methods and stock prices are analyzed. During the training and testing phase of the models, a comprehensive analysis was carried out using real stock data. The performance of the models was compared in detail with criteria such as accuracy rates, error metrics and processing times. The results revealed that the LR model is more successful in stock price forecasting. The findings of the study shed light on future studies to make more accurate investment decisions in financial markets.