---
type: "Akademik Makale Analizi"
title: "Piyasa Oynaklığının Tahmininde Duygu Analizi Yaklaşımı: Haber Headlines, Haber Metinleri ve Twitter Verilerinin Karşılaştırmalı İncelemesi"
description: "Finansal piyasalarda hisse senedi getirileri ile oynaklığın tahmini, hem portföy optimizasyonu hem de risk yönetimi süreçlerinde kritik bir role sahiptir. Geleneksel zaman serisi modellerinin ötesinde, doğal dil işleme tekniklerinin gelişimiyle birlikte yatırımcı güvenini ve piyasa duyarlılığını ölç"
resource: "https://makaleanalizi.com/sosyal-bilimler/isletme-ekonomi-ve-iletisim/piyasa-oynakliginin-tahmininde-duygu-analizi-yaklasimi-haber-headlines-haber-metinleri-ve-twitter-verilerinin-karsilastirmali-incelemesi"
doi: "10.3389/frai.2022.836809"
authors: ["Justina Deveikyte", "Hélyette Geman", "Carlo Piccari", "Alessandro Provetti"]
citation: "Deveikyte, J., Geman, H., Piccari, C., Provetti, A. (2022). A sentiment analysis approach to the prediction of market volatility. Frontiers in Artificial Intelligence, 5, 836809-836809. https://doi.org/10.3389/frai.2022.836809"
publicationType: "quantitative-empirical"
discipline: "Sosyal Bilimler"
subDiscipline: "İşletme, Ekonomi ve İletişim"
evidenceCount: 10
tags: ["Duygu Analizi", "Konu Modellemesi", "Hisse Senedi Piyasa Oynaklığı", "Korelasyon Analizi", "Fiyatlama, Alım-Satım ve Portföy Yönetiminde Makine Öğrenmesi"]
timestamp: "2026-08-23T02:39:42.223Z"
---

# Piyasa Oynaklığının Tahmininde Duygu Analizi Yaklaşımı: Haber Headlines, Haber Metinleri ve Twitter Verilerinin Karşılaştırmalı İncelemesi

Özgün başlık: A sentiment analysis approach to the prediction of market volatility
DOI: https://doi.org/10.3389/frai.2022.836809
Künye (APA 7): Deveikyte, J., Geman, H., Piccari, C., Provetti, A. (2022). A sentiment analysis approach to the prediction of market volatility. Frontiers in Artificial Intelligence, 5, 836809-836809. https://doi.org/10.3389/frai.2022.836809

Bilim alanı: [Sosyal Bilimler](/okf/sosyal-bilimler/index.md) › İşletme, Ekonomi ve İletişim

# Alan bağlamı

Finansal piyasalarda hisse senedi getirileri ile oynaklığın tahmini, hem portföy optimizasyonu hem de risk yönetimi süreçlerinde kritik bir role sahiptir. Geleneksel zaman serisi modellerinin ötesinde, doğal dil işleme tekniklerinin gelişimiyle birlikte yatırımcı güvenini ve piyasa duyarlılığını ölçmek amacıyla çevrim içi haberler ile sosyal medya paylaşımlarından yararlanılmaya başlanmıştır. Ancak finansal haberlerin başlıkları, haber metinlerinin tamamı ve Twitter gibi anlık mikroblog platformlarındaki duygu göstergelerinin varlık fiyatları ve piyasa oynaklığı üzerindeki göreli tahmin gücü ile etkileşim zamanlaması literatürde tartışmalı bir konu olmaya devam etmektedir.

# Akademik özet

Finansal modellemede hisse senedi getirilerinin ve oynaklığının tahmini, varlık fiyatlama, portföy optimizasyonu ve risk yönetimi alanlarında temel bir öneme sahiptir. Günümüzde doğal dil işleme (NLP) teknolojilerinin sunduğu imkânlar, haber metinleri ve sosyal medya yorumlarının otomatik olarak analiz edilerek yatırımcı eğilimlerinin ve güven göstergelerinin saptanmasına olanak tanımaktadır. Bu doğrultuda çalışma, finansal haber başlıkları, tam haber metinleri ve Twitter paylaşımlarından çıkarılan duygu skorlarının FTSE100 endeks hareketleri üzerindeki etkisini inceleyerek finansal metin madenciliği alanındaki güncel tartışmalara katkı sunmayı hedeflemektedir.

Araştırma kapsamında 2019 yılına ait 969.753 RavenPack haber başlığı, Reuters Eikon API aracılığıyla toplanan yaklaşık 12.000 haber metni ve FTSE100 şirketlerine ilişkin cashtag içeren 545.979 Twitter paylaşımı veri seti olarak kullanılmıştır. Duygu analizi aşamasında kural ve sözlük tabanlı VADER algoritması uygulanarak pozitif, negatif ve nötr duygu skorları hesaplanmış, ardından Pearson korelasyon analizi ve Granger nedensellik testleri yürütülmüştür. Ayrıca metin içeriğindeki gizil temaları belirlemek amacıyla Gizli Dirichlet Tahsisi (LDA) ile 15 boyutlu öznitelik vektörleri oluşturulmuş ve Lojistik Regresyon sınıflandırıcısı ile ertesi günkü piyasa oynaklığının yönelimi (artış veya azalış) tahmin edilmiştir.

Elde edilen ampirik bulgular, aynı gün içinde haber başlıklarından elde edilen negatif duygu ile FTSE100 kapanış fiyatları arasında istatistiksel olarak anlamlı negatif bir korelasyon (r = -0,45, p < 0,05) bulunduğunu, ancak ertesi günkü getirileri tahminde bu ilişkinin zayıfladığını göstermektedir. Diğer taraftan, Twitter veri setinde pozitif duygu ile ertesi günkü piyasa oynaklığı arasında -0,70 gibi son derece güçlü ve istatistiksel olarak anlamlı (p < 0,05) negatif bir korelasyon tespit edilmiştir; bu durum sosyal medyadaki olumlu havanın piyasada daha sakin ve düşük oynaklıklı bir seyir yarattığına işaret etmektedir. Gizli Dirichlet Tahsisi ile desteklenen Lojistik Regresyon modeli ise haber başlıkları veri setinde ertesi günkü oynaklık yönünü %65 doğruluk oranıyla doğru tahmin etmeyi başarmıştır.

Çalışmanın tartışma ve sonuç bölümleri, Twitter gibi mikroblog platformlarının anlık haber ve olaylara hızlı tepki vermesi nedeniyle oynaklık tahmininde geleneksel haber metinlerine kıyasla daha yüksek bir duyarlılık sergilediğini ortaya koymaktadır. Buna karşılık haber metinlerinin editöryal süreçlerden geçmesi zaman aldığından piyasanın dedikodu aşamasında hareket edip haber aşamasında tepkiyi tamamladığı anlaşılmaktadır. Granger nedensellik testlerinde doğrudan nedensellik ilişkisinin sınırlı kalmasına rağmen, konu modellemesi ve duygu analizinin bir arada kullanılmasının finansal oynaklık tahmininde açıklayıcı gücü artırdığı kanıtlanmıştır. Bu ampirik kanıtlar, Türk araştırmacıların finansal metin analizi, algoritmik ticaret stratejileri ve risk yönetimi tezlerinde yapay zeka modellerini yapılandırmaları için somut bir metodolojik zemin sunmaktadır.

# Araştırmanın amacı

Bu çalışmanın temel amacı, finansal haber başlıkları, tam haber metinleri ve Twitter cashtag paylaşımlarından elde edilen duygu skorları ile FTSE100 endeksinin getiri ve oynaklık hareketleri arasındaki ilişkiyi incelemek, Granger nedenselliğini sınamak ve Gizli Dirichlet Tahsisi (LDA) konu modellemesi yardımıyla piyasa oynaklığının yönsel değişimini tahmin etmektir.

# Yöntem ve tasarım

Bu çalışma, finansal haber başlıkları, tam metin haberler ve Twitter cashtag paylaşımlarından elde edilen duygu skorları ile FTSE100 endeksinin getiri ve oynaklık hareketleri arasındaki ilişkiyi ampirik yöntemlerle inceleyen nicel bir araştırmadır.

# Bulgular ve önermeler

1. Haber başlıklarından elde edilen negatif duygu skorları ile aynı günkü FTSE100 endeks getirileri arasında istatistiksel olarak anlamlı ve negatif yönlü bir korelasyon (r = -0.45, p < 0.05) saptanmıştır.
2. Twitter paylaşımlarından elde edilen pozitif duygu düzeyi ile ertesi günkü piyasa oynaklığı arasında güçlü ve istatistiksel olarak anlamlı bir negatif korelasyon (r = -0.70, p < 0.05) tespit edilmiştir.
3. Granger nedensellik analizi sonuçlarına göre finansal haber veya sosyal medya kaynaklı duygu skorlarının FTSE100 endeks fiyatları veya oynaklık değişimleri üzerinde istatistiksel olarak anlamlı bir nedensel etkisi bulunmamaktadır.
4. Haber başlıklarına uygulanan Gizli Dirichlet Tahsisi konu modellemesi ve lojistik regresyon sınıflandırıcısı, ertesi günkü piyasa oynaklığının yönsel değişimini %65 doğruluk oranıyla tahmin etmeyi başarmıştır.

# Yazarın tartışması

Analiz sonuçları, haber başlıklarındaki negatif duygu yoğunluğu ile aynı günkü FTSE100 getirileri arasında negatif korelasyon olduğunu, Twitter paylaşımlarındaki pozitif duygusal tonun ise ertesi günkü piyasa oynaklığı ile güçlü bir negatif ilişki taşıdığını göstermektedir. Bu durum pozitif sosyal medya haber akışının piyasa belirsizliğini yatıştırdığına işaret etmektedir.

Yazarlar, Twitter verilerinin haber metinlerine kıyasla anlık olaylara daha hızlı yanıt vermesi ve piyasadaki söylenti-haber dinamiğini yansıtması nedeniyle oynaklıkla daha yüksek korelasyon sergilediğini açıklamaktadır. Haber makalelerinin editoryal süreçlerden geçerek yayınlanmasının zaman alması, onların anlık oynaklık üzerindeki doğrudan etkisini zayıflatmaktadır.

Tartışma bölümünde elde edilen sonuçlar literatürle karşılaştırılmış; Atkins ve arkadaşlarının haber metinlerinden LDA ile ulaştığı %56'lık oynaklık yönü tahmin başarısı, bu çalışmada haber başlıkları ve sınıflandırma modeli entegrasyonu sayesinde %65 doğruluk oranına yükseltilmiştir. Bu bulgu metin madenciliğinin risk parametrelerini öngörmedeki katkısını doğrulamaktadır.

Çalışmanın kapsamı ve sınırlılıkları bağlamında, Granger nedensellik testlerinin duygu skorlarından piyasa hareketlerine doğru doğrudan bir nedensellik kanıtlayamamış olması vurgulanmakta ve gelecekte daha uzun zaman serileri ile duygu boyutlandırma sistemlerinin bir arada kullanılması önerilmektedir.

# Yazarın sonucu

Yazarlar, haber başlıklarından elde edilen duyguların aynı günkü hisse getirilerini tahmin etmede bir sinyal sunabildiğini, buna karşın ertesi günkü oynaklığı tahmin etmede Twitter verilerindeki pozitif duygu oranının güçlü bir negatif korelasyonla (r = -0.70) öne çıktığını vurgulamaktadır. Ayrıca Gizli Dirichlet Tahsisi (LDA) ile çıkarılan konu vektörlerinin lojistik regresyon sınıflandırıcısıyla birleştirilmesi sonuçunda ertesi günkü piyasa oynaklığı yönünün %65 doğrulukla tahmin edilebildiği ve metinsel verilerin finansal risk yönetiminde etkili bir araç olduğu sonuçuna varılmıştır.

# Literatürdeki işlevi

Bu çalışma, finansal haber başlıkları, haber metinleri ve Twitter paylaşımları gibi farklı metinsel veri kaynaklarının hisse senedi getirileri ve piyasa oynaklığı üzerindeki tahmin gücünü karşılaştırmalı olarak inceleyen ampirik bir araştırmadır. Alan literatüründe haberlerin ve sosyal medya duyarlılığının piyasa fiyatlarına etkisi sıklıkla araştırılmasına rağmen, oynaklık üzerindeki etkisi daha az incelenmiştir. Araştırma, Gizli Dirichlet Tahsisi (LDA) tabanlı konu modellemesi ve makine öğrenmesi sınıflandırıcılarını birleştirerek haber başlıklarından elde edilen konu vektörlerinin ertesi günkü oynaklık yönünü %65 doğrulukla tahmin edebildiğini göstermekte ve metin madenciliğinin finansal risk yönetimindeki işlevini pekiştirmektedir.

Önceki çalışmalarla ilişkisi: Çalışma, Tetlock (2007) ve Bollen ve diğerleri (2011) gibi medyadaki duygu durumunun piyasalar üzerindeki etkisini inceleyen öncü araştırmaların üzerine inşa edilmiştir. Atkins ve diğerlerinin (2018) haber makalelerinden LDA yöntemiyle piyasa oynaklığını %56 doğrulukla tahmin eden metodolojisi temel alınmış, bu yaklaşım haber başlıkları ve cashtag içeren Twitter verilerine uyarlanarak geliştirilmiştir. Yapılan katkıyla haber başlıklarından elde edilen konu modelleri lojistik regresyon ile eğitilerek yönsel oynaklık tahmini doğruluğu %65 seviyesine çıkarılmış; ayrıca Twitter verisindeki pozitif duygu ile ertesi günkü oynaklık arasında güçlü bir negatif korelasyon (r = -0.70) bulunduğu tespit edilmiştir.

Literatür taramasına katkısı: Literatür taraması açısından bu yayın, farklı metinsel veri türlerinin (anlık mikrobloglar, haber başlıkları ve uzun haber metinleri) tepki süreleri ve tahmin kapasiteleri arasındaki farkları açıkça ortaya koymaktadır. Anlık Twitter paylaşımlarının piyasa oynaklığıyla, editoryal süreçten geçen haber başlıklarının ise aynı günkü getirilerle daha ilişkili olduğunu kanıtlayarak veri kaynağı seçiminin araştırmalardaki önemini göstermektedir. Ayrıca Granger nedensellik testlerinin duygu skorlarından piyasalara doğru doğrudan bir nedensellik doğrulamadığını raporlayarak, doğrusal olmayan makine öğrenmesi ve konu modelleme tekniklerinin kullanım gerekliliğini vurgulayan dengeli bir akademik perspektif sunmaktadır.

# Tez ve makale araştırmalarında kullanım

- **Finansal haber başlıklarındaki negatif duygusal ton ile aynı günkü hisse senedi endeks getirileri arasında istatistiksel olarak anlamlı negatif korelasyon bulunmaktadır.** — Tez çalışmasında haber akışının piyasa fiyatları üzerindeki anlık baskısını ve yatırımcı algısındaki olumsuzlaşmanın getirileri düşürücü etkisini teorik olarak desteklemek için kullanılır.
- **Gizli Dirichlet Tahsisi (LDA) ile haber başlıklarından çıkarılan konu vektörleri, lojistik regresyon sınıflandırıcısıyla birleştirilerek ertesi günkü piyasa oynaklığı yönünü yüksek doğrulukla tahmin edebilir.** — Doğal dil işleme ve konu modelleme tekniklerinin finansal risk tahmin modellerine öznitelik vektörü olarak nasıl entegre edileceğini metodolojik açıdan gerekçelendirmek için yararlanılır.
- **Anlık sosyal medya paylaşımlarındaki pozitif duygu yoğunluğunun artması, ertesi günkü piyasa oynaklığında belirgin bir düşüşle (r = -0.70) ilişkilidir.** — Sosyal medya duygu göstergelerinin belirsizliği yatıştırıcı rolünü ve piyasa oynaklığı üzerindeki sakinleştirici etkisini tartışma bölümünde bulgularla karşılaştırmak amacıyla kullanılır.

# Türetilebilir araştırma soruları

- **XU100 kapsamındaki şirketlere ait Türkçe Twitter ve KAP bildirimlerinin duygu skorları ertesi günkü hisse bazlı oynaklığı tahmin etmede anlamlı bir sinyal sunmakta mıdır?**
  - Desen: BIST 100 şirketlerine ait 1 yıllık Twitter cashtag paylaşımları ve KAP açıklamaları toplanır. Örneklem büyüklüğü güç analizi ile belirlenir. VADER/TR-BERT ile duygu skorları hesaplanıp LDA ile konular çıkarılır. Oynaklık yönü lojistik regresyon ve Destek Vektör Makineleri ile tahmin edilir.
  - Gerekçe: Makalede Twitter cashtag duygu skorlarının FTSE100 oynaklığı ile güçlü negatif korelasyon (r = -0.70) göstermesi ve LDA konusunun oynaklık yönünü %65 doğrulukla tahmin etmesi bulgusundan türetilmiştir.
- **Kripto para haber başlıklarından LDA ile çıkarılan konu vektörleri Bitcoin ve Ethereum oynaklık yönünü tahmin etmede haber metinlerinin tamamına kıyasla daha yüksek bir doğruluk sağlar mı?**
  - Desen: En yüksek hacimli kripto paralara ilişkin haber başlıkları, haber metinleri ve Reddit gönderileri 6 aylık periyotta toplanır. Veri hacmi veri doygunluğu ilkesiyle izlenir. LDA konu sayıları optimize edilerek oluşturulan öznitelik vektörleri lojistik regresyona sokulur ve başarım doğruluk oranlarıyla kıyaslanır.
  - Gerekçe: Makalede haber başlıklarından elde edilen konuların haber metinlerine kıyasla daha yüksek tahmin başarımı sunduğu ve LDA öznitelik vektörleriyle %65 doğruluk elde edildiği yönündeki yöntemsel sonuça dayanmaktadır.
- **Finansal haber metinlerindeki konu bazlı duygu değişimleri gelişmekte olan ülke hisse senedi endeks oynaklığı üzerinde Granger anlamında nedensel bir etkiye sahip midir?**
  - Desen: Gelişmekte olan ülkelerin gösterge endekslerine ait haber akışları ve zaman serisi verileri 2 yıllık dönemde analiz edilir. Zaman serilerinin durağanlığı sınandıktan sonra Granger nedensellik testi uygulanır ve ardından LDA tabanlı lojistik regresyon tahmin modelleri kurulur.
  - Gerekçe: Makalede doğrusal Granger nedensellik testinin duygu skorlarından piyasa hareketlerine doğru anlamlı bir nedensellik tespit edemediği, buna karşın LDA tabanlı sınıflandırma modellerinin başarılı olduğu yönündeki ampirik bulgudan türetilmiştir.

# Kaynak izleri

Her iddia, özgün yayının belirtilen sayfasındaki birebir alıntıya bağlıdır.

| Kanıt | Bölüm | PDF sayfası | Basılı sayfa | Alıntı |
|---|---|---|---|---|
| ev-o-1 | 1 INTRODUCTION | 1 | — | the sentiment captured from news headlines could be used as a signal to predict market returns; the same does not apply for volatility. |
| ev-s-1 | 1 INTRODUCTION | 1 | — | We investigated the strength of the correlation between sentiment measures on a given day and market volatility and returns observed the next day. |
| ev-s-2 | 4 CORRELATION ANALYSIS AND CAUSALITY | 8 | — | indicates that there is a strong negative correlation between positive sentiment and the volatility of the market in the next day (t+1). |
| ev-s-3 | 5.2 Applying the classifier to unseen test sets | 11 | — | Our model applied to the headlines dataset obtained an accuracy of 65%. It indicates that topics extracted from news could be used as a signal to predict direction of market volati |
| ev-s-4 | 7 CONCLUSION AND FUTURE WORK | 14 | — | The topics extracted from news sources can be used in predicting directional market volatility. It is surprising that topics alone contain a valuable information |
| ev-s-5 | 2 RELATED WORKS | 3 | — | They obtained a 56% accuracy in predicting directional stock market volatility on the arrival of new information. |
| ev-l-1 | 1 INTRODUCTION | 1 | — | We developed an accurate classifier for the prediction of market volatility in response to the arrival of new information by deploying topic modelling, based on Latent Dirichlet Al |
| ev-l-2 | 5.2 Applying the classifier to unseen test sets | 11 | — | Our model applied to the headlines dataset obtained an accuracy of 65%. It indicates that topics extracted from news could be used as a signal to predict direction of market volati |
| ev-l-3 | 2 RELATED WORKS | 2 | — | The results let them to conclude that the accuracy of DJIA predictions can be significantly improved by the inclusion of specific public mood dimensions but not others. |
| ev-l-4 | 2 RELATED WORKS | 3 | — | The authors find that the information captured from news articles can predict market volatility more accurately than the direction the price movements. |

# İlgili kavramlar

- [Çevrimiçi Alışverişte Mükemmeliyetçilik ve Karar Erteleme: Kaçırma Korkusu ile Yukarı Doğru Sosyal Karşılaştırmanın Etkisi](/okf/sosyal-bilimler/isletme-ekonomi-ve-iletisim/cevrimici-alisveriste-mukemmeliyetcilik-ve-karar-erteleme-kacirma-korkusu-ile-yukari-dogru-sosyal-karsilastirmanin-etkisi.md)
- [Türkiye Enflasyon Dinamiklerinin İthalat Fiyat Endeksli Phillips Eğrisi Varyantlarına Dayalı Bir Değerlendirmesi](/okf/sosyal-bilimler/isletme-ekonomi-ve-iletisim/turkiye-enflasyon-dinamiklerinin-ithalat-fiyat-endeksli-phillips-egrisi-varyantlarina-dayali-bir-degerlendirmesi.md)
- [Marka Güveninin Medikal Turizme Yönelik Algıya Etkisinde Sosyal Medya Pazarlama Aktivitelerinin Aracılık Rolünün Belirlenmesi](/okf/sosyal-bilimler/isletme-ekonomi-ve-iletisim/marka-guveninin-medikal-turizme-yonelik-algiya-etkisinde-sosyal-medya-pazarlama-aktivitelerinin-aracilik-rolunun-belirlenmesi.md)
- [Türkiye E-Ticaret Sektöründe Müşteri Memnuniyeti ve Sadakatinin Belirleyicileri](/okf/sosyal-bilimler/isletme-ekonomi-ve-iletisim/turkiye-e-ticaret-sektorunde-musteri-memnuniyeti-ve-sadakatinin-belirleyicileri.md)
- [Deniz Fidanlıklarının Tanımlanması ve Yönetiminde İhtiyari ve Uyarlanabilir Kademelendirmeye Kılavuzluk Edecek Bir Karar Ağacı](/okf/sosyal-bilimler/isletme-ekonomi-ve-iletisim/deniz-fidanliklarinin-tanimlanmasi-ve-yonetiminde-ihtiyari-ve-uyarlanabilir-kademelendirmeye-kilavuzluk-edecek-bir-karar-agaci.md)
- [Köpekbalığı ve Vatoz Ekolojisi, Korunması ve Yönetiminde Uydu Uzaktan Algılama Teknolojileri](/okf/sosyal-bilimler/isletme-ekonomi-ve-iletisim/kopekbaligi-ve-vatoz-ekolojisi-korunmasi-ve-yonetiminde-uydu-uzaktan-algilama-teknolojileri.md)
- [Ekonomik Karmaşıklığın Politika Çıkarımları: Ulusal ve Bölgesel Kalkınma İçin Dörtlü Bir Çerçeve Önerisi](/okf/sosyal-bilimler/isletme-ekonomi-ve-iletisim/ekonomik-karmasikligin-politika-cikarimlari-ulusal-ve-bolgesel-kalkinma-icin-dortlu-bir-cerceve-onerisi.md)
- [Bozdağ Orman İşletme Şefliğinde Arazi Kullanımı ve Örtüsü Değişiminin CA-Markov Tabanlı Mekânsal-Zamansal Modellemesi: Türkiye'de Orman Hukuku ve Yönetişimi Üzerine Yansımalar](/okf/sosyal-bilimler/isletme-ekonomi-ve-iletisim/bozdag-orman-isletme-sefliginde-arazi-kullanimi-ve-ortusu-degisiminin-ca-markov-tabanli-meknsal-zamansal-modellemesi-turkiyede-orman-hukuku-ve-yonetisimi-uzerine-yansimalar.md)

# Şeffaflık

- Analiz tarihi: 2026-08-23T02:39:42.223Z
- Kanıt sayısı: 10
- Üretim sürümü: makale-analizi-v3.0.0
- Kanonik sayfa: https://makaleanalizi.com/sosyal-bilimler/isletme-ekonomi-ve-iletisim/piyasa-oynakliginin-tahmininde-duygu-analizi-yaklasimi-haber-headlines-haber-metinleri-ve-twitter-verilerinin-karsilastirmali-incelemesi