Zaman Serisi Analizi ve Derin Öğrenme Modelleri Kullanarak Amerikan Doları/Türk Lirası Döviz Kuru İçin Hibrid Tahmin Modeli

Abstract

Borsa tahminlemesinin yanı sıra döviz kuru tahminlemesi de yatırımcılar, araştırmacılar ve analistler için önemli bir çalışma konusu olmuştur. Bu tez kapsamında finansal duygu analizi ve zaman serisi analizi yapılarak döviz kuru yönünü tahminleyen hibrid bir model oluşturulması amaçlanmıştır. Bu amaçla, önerilen hibrid model, metin verilerinin finansal duygu analizi için elde edilmesi ve modellenmesi, sayısal verilerin zaman serisi analizi için elde edilmesi ve modellenmesi ve iki modelin harmanlanması şeklinde üç aşamalı olarak inşa edilmiştir.Yapılan literatür araştırması ile, sosyal medya platformlarını finansal duygu analizi amacıyla kaynak olarak kullanan ve bunu sayısal veriler kullanarak zaman serisi analizi yöntemleriyle harmanlayan literatürdeki ilk çalışma olduğu düşünülmektedir. Dahası, Amerikan doları/Türk lirası kurunun yönünün tahminlenmesinin hem finansal duygu analizi yaparak hem de hybrid bir model kullanarak gerçekleştiren literatürdeki ilk çalışma niteliğindedir.Çalışmanın literatüre katkısı beş aşamada özetlenebilir: İlk aşamada, finansal duygu analizini gerçekleştirebilmek için Twitter ortamında toplanan verilerin ayrıştırılması, kelimelerin sözlükteki doğru hallerinin bulunması, kelimelerin köklerinin bulunması, kelimelerin normalizasyonu, kullanılmayan karakterlerin ve kelimelerin temizlenmesi gibi yöntemlerle temizlenip modellenmeye hazır hale getirilmiştir. Modellemeye hazır olan veri kümesi Word2vec, GloVe, fastText gibi kelime yerleştirme yöntemleri ve CNN, RNN, LSTM gibi derin öğrenme modelleriyle hem ayrı ayrı hem de kombinasyonları kullanılarak sınıflandırılmıştır. Bu çalışma, finansal duygu analizinin gerçekleştirilmesinde kullanılan kelime yerleştirme ve derin öğrenme modellerinin kombinasyonlarını elde edilerek analiz edilmesi açısından da anlaşıldığı kadarıyla literatürdeki ilk girişimdir. İkincisi, Amerikan Doları/Türk Lirası döviz kuru gerçek verileriyle Basit üssel yumuşatma, Holt-Winters, Holt's Linear ve ARIMA modelleri kullanılarak zaman serisi analizi gerçekleştirilmiştir. Üçüncü olarak, birbirinden farklı yapıda olan iki tahmin modelinden alınan sonuçların döviz kuru yönüne olan etkisi gösterilmiştir. Dördüncüsü ise, önerilen yaklaşımın performansını kanıtlamak amacıyla, finansal duygu analizi için 01 Ocak 2018 ile 31 Aralık 2018 zaman aralığındaki Türkçe ve İngilizce Twitter veri kümeleri, zaman serisi analizi için ise, yine aynı zaman aralığındaki gerçek kur verileri kullanılmıştır. Sonuç olarak, önerilen modelin performansı literatür çalışmalarıyla kıyaslandığında kayda değer ölçüde üstünlük göstermektedir.

Exchange rate forecasting, as well as stock market forecasting, has been an important topic for investors, researchers and analysts. In this study, it is aimed to create a hybrid model that predicts the exchange rate trend by performing financial emotion analysis and time series analysis. For this purpose, the proposed hybrid model was constructed in three stages: obtaining and modelling text data for financial sentiment analysis, obtaining and modelling numerical data for time series analysis, and blending two models.It is thought that this is the first study in the literature that uses social media platforms as a source for financial emotion analysis and blends it with time series analysis methods using numerical data. Moreover, it is the first study in the literature that performs the US Dollar/Turkish Lira exchange rate prediction of the trend by performing a financial sentiment analysis and using a hybrid model.The contribution of the study to the literature can be summarized in five sections: In the section one, in order to perform financial sentiment analysis, the data collected from Twitter has been prepared and modelled by using a couple of pre-processing stages such as parsing the documents, lemmatization, stemming, removing the unused characters and the words, normalizing the words. The data set, which is ready for modelling, is classified using word embedding methods such as Word2vec, GloVe, fastText, and deep learning models such as CNN, RNN, LSTM, both individually and in combination. This study is the first attempt as it is understood from the literature in terms of performing the financial sentiment analysis by using the combinations of deep learning models with word embedding methods. In the second section, time series analysis was performed by using Simple Exponential Smoothing, Holt-Winters, Holt's Linear, and ARIMA models along with real US Dollar/Turkish Lira exchange rates. In the third section, two different prediction models were combined with a weighted majority algorithm to form a hybrid model. In the fourth section, in order to prove the performance of the proposed model, the real Twitter and the exchange rate data sets from January 1, 2018 to December 12, 2018 were used to achieve financial sentiment analysis and time series analysis respectively. In the fifth section, as a result, the performance of the proposed model is significantly superior to that of the literature.