Sosyal medya paylaşımları hisse senedi değerleri üzerinde etkili mi?

Demet Erdoğan Şengel; Naciye Tuba Yılmaz

doi:10.15637/jlecon.2145

Authors

Demet Erdoğan Şengel MARUBENİ Distribution and Service / Türkiye https://orcid.org/0009-0008-1011-4569
Naciye Tuba Yılmaz Marmara University / Türkiye https://orcid.org/0000-0002-4009-9047

DOI:

https://doi.org/10.15637/jlecon.2145

Keywords:

TSLA, Social Media, Twitter, BERT, Neural Prophet

Abstract

With the widespread use of the internet in recent years, individuals take into account other people’s comments in their decision-making processes about a good or service. Similarly, companies use online data to provide better service to their customers and to see their own strengths and weaknesses. In this process, sentiment analysis has become one of the most preferred methods for interpreting big data in recent years. The purpose of this study is to examine whether written posts on Twitter, one of the widely used social media platforms, have an impact on stock prices. In this sense, sentiment analysis of the written expressions shared on the Twitter platform with the hashtag #TSLA between January 1, 2016 and April 10, 2021 was performed with the BERT model, one of the deep learning methods, and it was determined whether the posts had positive or negative meanings. The prediction of whether the TSLA stock value decreases or increases depending on whether the comments are positive or negative on the day following the day of the post was performed with Neural Prophet. As a result, it is concluded that social media posts have an impact on individuals’ decisions to buy and sell stocks.

Downloads

Download data is not yet available.

References

AKDAĞ, M. & BOZMA, G. (2021). Stok Akış Modeli ve Facebook Prophet Algoritması İle Bitcoin Fiyatı Tahmini. Uluslararası Ekonomi İşletme ve Politika Dergisi, 5(1), 16-30.

BORNEKLINT, N. (2021). Forecasting prices of Bitcoin and Google stock with ARIMA vs Facebook Prophet, Bachelor’s Thesis, University West, School of Business, Economics and IT Division of Low, Economics and Politics.

ÇALIŞKAN, M. & MENCİK, Y. (2015). Değişen Dünyanın Yeni Yüzü: Sosyal Medya. Akademik Bakış Uluslararası Hakemli Sosyal Bilimler Dergisi, (50), 254-277.

DEVLIN, J., CHANG, M. W., LEE, K. & TOUTANOVA, K. (2018). Bert: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:1810.04805.

GÖÇGÜN, Ö. F. & AYTUĞ, O. (2021). Amazon Ürün Değerlendirmeleri Üzerinde Derin Öğrenme/Makine Öğrenmesi Tabanlı Duygu Analizi Yapılması. Avrupa Bilim ve Teknoloji Dergisi, (24), 445-448.

SEL, İ. & HANBAY, D. (2021). Ön Eğitimli Dil Modelleri Kullanarak Türkçe Tweetlerden Cinsiyet Tespiti. Firat University Journal of Engineering, 33(2), 675-684.

IŞIK, A. H. & YAĞCI, A.Ş. (2020). Sıradan Sıraya LSTM Modeli ile Telegram Bot Uygulaması. Gazi Mühendislik Bilimleri Dergisi, 6(1), 32–39.

KAYNAR, O., GÖRMEZ, Y., YILDIZ, M. & ALBAYRAK, A. (2016). Makine öğrenmesi yöntemleri ile Duygu Analizi. International Artificial Intelligence and Data Processing Symposium (IDAP’16) (Vol. 17).

KHAYYAT, M., LAABIDI, K., ALMALKI, N. & AL-ZAHRANI, M. (2021). Time Series Facebook Prophet Model and Python for COVID-19 Outbreak Prediction. CMC-COMPUTERS MATERIALS & CONTINUA, 67(3), 3781-3793.

KOCA,G. (2021). Bitcoin Üzerine Twitter Verileri ile Duygu Analizi. Anadolu Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, 22(4), 19-30.

KONAKOĞLU, B. (2020). Çok Katmanlı Algılayıcı Yapay Sinir Ağı ile Jeodezik Elipsoidal Koordinatların (φ, λ, h) 3 Boyutlu Global Kartezyen Koordinatlara (X, Y, Z) Dönüşümü. Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 10(3), 702–710.

KORKUSUZ, R. & CARUS, A. (2020). Futbol Müsabakaları ile İlgili Tweetlerin Anlık Duygu Analizi. Avrupa Bilim ve Teknoloji Dergisi, 386 396.

KÖKSAL, B. , ERDEM, G. , TÜRKELİ, C. & KAMIŞLI ÖZTÜRK, Z. (2021). Twitter’da Duygu Analizi Yöntemi Kullanılarak Bitcoin Değer Tahminlemesi. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, Additional Issue, 280-297. doi: 10.29130/dubited.792909

LEE, J., YOON, W., KİM, S., KIM, D., KIM, S., SO, C. H. & KANG, J. (2020). BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics, 36(4), 1234-1240.

MIKOLOV, T., CHEN, K., CORRADO, G. & DEAN, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint arXiv:1301.3781.

NAGESH, P. (2021). Combination of Facebook Prophet and Attention-Based LSTM with Multi-Source data for Indian Stock Market Prediction. Dissertation, Technological University Dublin, doi:10.21427/ tszy-4r42

PREECE, J., ROGERS, Y., SHARP, H., BENYON, D., HOLLAND, H. & CAREY, T. (1994). Human-Computer Interaction. Pearson Education Limited: Essex, England.

TUZCU, S. (2020). Çevrimiçi Kullanıcı Yorumlarının Duygu Analizi ile Sınıflandırılması. Eskişehir Türk Dünyası Uygulama ve Araştırma Merkezi Bilişim Dergisi, 1(2), 1-5.

SEVLİ, O. & KEMALOĞLU, N. (2021). Olağandışı Olaylar Hakkındaki Tweet’lerin Gerçek ve Gerçek Dışı Olarak Google BERT Modeli ile Sınıflandırılması. Veri Bilimi, 4(1), 31-37.

SOLMAZ, B., TEKİN, G., HERZEM, Z. & DEMİR, M. (2013). İnternet ve sosyal medya kullanımı üzerine bir uygulama. Selçuk İletişim, 7(4), 23-32.

TAYLOR, S. J. & LETHAM, B. (2018). Forecasting at scale. The American Statistician, 72(1), 37-45.

YANG, Z., DAI, Z., YANG, Y., CARBONELL, J., SALAKHUTDINOV, R. R. & LE, Q. V. (2019). Xlnet: Generalized autoregressive pretraining for language understanding. Advances in neural information processing systems. 33rd Conference on Neural Information Processing Systems, Vancouver, Canada.

YILDIRIM, M. & YÜKSEL, C.A., (2017). Sosyal Medya ile Hisse Senedi Fiyatının Günlük Hareket Yönü Arasındaki İlişkinin İncelenmesi: Duygu Analizi Uygulaması. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 22. UPK Ahmet Hamdi İslamoğlu Özel Sayısı, 33-44.

YUSUFOĞLU, H., AYDIN, H. & ÇETİNKAYA, A. (2021). Twitter Üzerindeki Finansal Tweetlerin LSTM Sinir Ağı Algoritması ile Duygu Analizi. Veri Bilimi, 4(3), 28-43.