Yazar "Ersen, Nadir" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • [ X ]
    Öğe
    Makine öğrenmesi yöntemleri ile hisse senedi fiyat tahmini: kâğıt firması örneği
    (2024) Bardak, Selahattin; Ersen, Nadir; Polat, Kinyas; Akyüz, Kadri Cemil
    Bir finansal formül kullanarak hisse senedi fiyatlarını tahmin etmek zordur. Hisse senetleri fiyatları, siyasi gelişmeler, küresel ekonomi, beklenmedik olaylar, piyasa anormallikleri ve ilgili şirketlerin özellikleri gibi çok sayıda faktörden etkilenir. Hisse senedi fiyatlarına ilişkin daha doğru tahminler yapmak için bilgisayar biliminin gelişmesiyle birlikte birçok bilgisayar bilimi yöntemi kullanılmaktadır. Bu çalışmada, Kartonsan şirketinin hisse senedi fiyatını tahmin etmek için doğrusal regresyon (LR) algoritmaları, rastgele orman (RF), gradyan güçlendirme makinesi (GBM) ve yapay sinir ağları (YSA) gibi makine öğrenmesi teknikleri kullanılmıştır. Daha sonra kullanılan algoritmaların sonuçları karşılaştırılmıştır. Hisse senedi fiyatı tahmini için ilk olarak BIST (Borsa İstanbul)’te işlem gören Kartonsan firmasının 2011-2022 yılları arasındaki üçer aylık finansal çizelgeler kullanılarak firmaya ait finansal oran hesaplanmıştır ve bu oranlar girdi olarak kullanılmıştır. Çıktı olarak kullanılan firmanın hisse senedi fiyatlarının ise üçer aylık ortalamaları alınmıştır. GBM ve RF algoritmaları başarılı tahmin sonuçlarına sahip olmasına rağmen GBM algoritması en başarılı sonucu vermiştir. RF algoritmasının ise LR ve YSA’ya göre daha iyi performans gösterdiği bulunmuştur. YSA’nın hisse senedi fiyat tahmininde en kötü performansa sahip teknik olduğu belirlenmiştir.
  • [ X ]
    Öğe
    Mobilya sektöründe çalışan yöneticilerin öğrenen organizasyona ilişkin algıları
    (2015) Ersen, Nadir; Ardiç, Muhammet; Akyüz, İlker; Peker, Hüseyin; Bardak, Selahattin
    Bu çalışmanın amacı mobilya sektörü alanında faaliyet gösteren işletmelerin üst ve orta kademe pozisyonlarında görev yapan kişilerin öğrenen organizasyon algılamalarını, işletmenin öğrenen organizasyona ne derece önem verdiğini belirleyebilmektir. Yöneticilerin öğrenen organizasyona ilişkin algıları, sürekli öğrenme, diyalogla öğrenme, takım halinde öğrenme, paylaşımcı sistemler, güçlendirilmiş personel, sistemler arası bağlantı ve liderlik olmak üzere yedi boyutta incelenmiştir. Araştırmada veri toplama yöntemi olarak anket tekniğinden yararlanılmış ve anket mobilya sektöründe faaliyet gösteren 13 işletmede çalışan 129 yöneticiye uygulanmıştır. Verilerin çözümlenmesinde, yüzde, frekans, Mann-Whitney U testi ve Kruskal Wallis testlerinden yararlanılmıştır. Araştırma sonuçlarına göre, mobilya sektöründe genel olarak öğrenen organizasyon kavramının uygulanmadığı ve yöneticilerin büyük çoğunluğunun öğrenen organizasyon kavramı hakkında bilgi sahibi olmadığı belirlenmiştir. Yöneticilerin öğrenen organizasyona ilişkin görüşleri yaş, gelir, eğitim, pozisyona ve görev süresine istatistiksel olarak anlamlı farklılık gösterirken, cinsiyete göre ise anlamlı bir farklılığın olmadığı bulunmuştur
  • [ X ]
    Öğe
    Prediction of Values of Borsa Istanbul Forest, Paper, and Printing Index Using Machine Learning Methods
    (North Carolina State Univ Dept Wood & Paper Sci, 2024) Akyuz, Ilker; Polat, Kinyas; Bardak, Selahattin; Ersen, Nadir
    It is difficult to predict index values or stock prices with a single financial formula. They are affected by many factors, such as political conditions, global economy, unexpected events, market anomalies, and the characteristics of the relevant companies, and many computer science techniques are being used to make more accurate predictions about them. This study aimed to predict the values of the XKAGT index by using the monthly closing values of the Borsa Istanbul (BIST) Forestry, Paper and Printing (XKAGT) index between 2002 and 2023, and the machine learning techniques artificial neural networks (ANN), random forest (RF), k-nearest neighbor (KNN), and gradient boosting machine (GBM). Furthermore, the performances of four machine learning techniques were compared. Factors affecting stock prices are generally classified as macroeconomic and microeconomic factors. As a result of examining the studies on determining the macroeconomic factors affecting the stock markets, 10 macroeconomic factors were determined as input. The macroeconomic variables used were crude oil price, exchange rate of USD/TRY, dollar index, BIST100 index, gold price, money supply (M2), S&P 500 index, US 10-year bond interest, export-import coverage rate in the forest products sector, and deposits interest rate. It was determined that all machine learning techniques used in the study performed successfully in predicting the index value, but the k-nearest neighbor algorithm showed the best performance with R-2=0.996, RMSE=71.36, and a MAE of 40.8. Therefore, in line with the current variables, investors can make analyzes using any of the ANN, RF, KNN, and GBM techniques to predict the future index value, which will lead them to accurate results.