Havayolu firmalarının sosyal medya verilerinden hisse değerinin tahmin edilmesi

Abstract

Bu çalışmanın amacı Havayolu firmaları için sosyal medya verilerinden hisse değerinin tahmin edilip, bu bilgiye dayalı yatırım yapılabilirliğinin araştırılmasıdır. Bu amaçla, Twitter platformundan Türk Hava Yolları(THY), Singapore Hava Yolları(SHY), Lufthansa Hava Yolları(LHY), Qantas Hava Yolları(QHY) ve France Hava Yolları(FHY) firmalarına ait, 01.10.2019 - 06.02.2020 tarihleri arasında paylaşılan 236 764 adet tweet, Rapid Miner kullanılarak, toplanmıştır. Ayrıca günlük hisse değeri verileri ise investing.com sitesinden elde edilmiştir. Toplanan Twitter gönderileri, MeaningCloud uygulaması ile duygu analizleri yapılarak, pozitif, negatif, nötr, tanımlanmayan, şeklinde dört duygu kategorisinde sınıflandırılmıştır. Ardından, bu duygu kategorileri ile hesaplanan Net Destekçi Skoru (NPS:Net Promoter Score:pozitif-negatif tweet sayıları) ve toplam tweet sayıları ile ertesi günkü hisse değeri arasındaki ilişki SPSS istatistik programı ile korelasyon analizleri yapılarak araştırılmıştır. Korelasyon analizleri sonucunda hisse senedi değeri verileri ile Twitter platformundaki anılma sayısı arasında, THY, LHY ve FHY firmaları için negatif, SHY firması için ise pozitif yönlü orta düzeyde korelasyon olduğu tespit edilmiştir. Hisse senedi değeri tahmin modeli oluşturmak için Rapid Miner programında Auto Model'den faydalanılmıştır. `Gradient Boosted Trees` modeli, THY ve SHY firmaları için en düşük hata değerine sahip tahmin modeli olmuştur. Ertesi günkü hisse değerinin artış veya azalışları THY için %55,6 , SHY için ise %57,1 oranda doğru tahmin edilmiştir. Model sayesinde, SHY'nin ertesi günkü hisse değeri %5,1 , THY'nin ise %2,6 hata oranı ile tahmin edilebilmiştir. Tahmin modelinde, NPS değerinin SHY için en yüksek, THY için ise BİST-100'den sonra ikinci en yüksek etkiye sahip faktör ağırlığına sahip olduğu görülmüştür. Sonuç olarak, Twitter anılma sayılarının yatırım kararları verirken faydalanılabilecek önemli bir veri kaynağı olduğu tespit edilmiştir.Anahtar Kelimeler: Sosyal Medya Analizi; Hisse Değeri; Twitter; Korelasyon; Veri Madenciliği; Tahmin Modeli

The main objective of this study is to predictive the stock market value of Airline companies by using social media data and to investigate the investment feasibility based on this information. For this purpose, 236 764 tweets shared between 01.10.2019-06.02.2020 are collected from Twitter for Turkish Airlines (THY), Singapore Airlines (SIA), Lufthansa Airlines (DLH), Qantas Airlines (QFA), and Air France Airlines (AFR) companies by using Rapid Miner. In addition, daily stock market value data is obtained from investing.com website. The collected Twitter posts are classified into four sentiment categories: positive, negative, neutral, and none by making sentiment analysis with the MeaningCloud application. Then, the relationship between positive-negative tweet counts Net Promoter Score (NPS) and total tweet counts calculated with these emotion categories is studied, and the stock market value of the next day was investigated by using correlation analysis with SPSS statistics program. As a result of the correlation analysis, it was determined that there was a negative between the stock market value data and the number of citations on the Twitter platform for THY, DLH, and AFR companies, and a positive mid-rate correlation for SIA company.Finally, Auto-Model was used in the RapidMiner program to create a stock market value prediction model. `Gradient Boosted Trees` model has the lowest error prediction for THY and SIA companies. The increase or decrease of the stock market value of the next day is estimated correctly as 55,6% for THY and 57,1% for SIA. With this model, the stock market value of SIA on the next day is predicted with 5,1% and THY's with a 2,6% error rate using the number of commemorations. In the prediction model, it was observed that the NPS value had the highest weight-factor for SIA and the second-highest effect for THY after BIST-100 value. Consequently, it has been determined that the number of Twitter citations is a crucial data source that can be utilized in making investment decisions.Keywords: Social Media Analysis; Stock Market Value; Twitter; Correlation; Data Mining; Prediction Model.