Stock price prediction with machine learning methods: the case of paper company


BARDAK S., ERSEN N., POLAT K., AKYÜZ K. C.

Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, vol.25, no.2, pp.47-58, 2024 (Peer-Reviewed Journal) identifier

Abstract

It is difficult to predict stock prices using a financial formula. Stock prices are affected by numerous factors, including political developments, the global economy, unexpected events, market anomalies and the characteristics of the companies involved. With the development of computer science, many computer science methods are being used to make more accurate predictions of stock prices. In this study, machine learning techniques such as linear regression (LR) algorithms, random forest (RF), gradient boosting machine (GBM) and artificial neural Networks (ANN) were used to predict the stock price of Kartonsan company. Then, the results of the algorithms used were compared. For stock price prediction, firstly, the company's financial ratio was calculated using the quarterly financial statements of Kartonsan company, which is traded on BIST (Borsa Istanbul), between 2011 and 2022, and these ratios were used as input. Quarterly averages of the company's stock prices used as output were taken. Although GBM and RF algorithms have successful prediction results, the GBM algorithm gave the most successful results. It has been found that the RF algorithm performs better than LR and ANN. ANN has been identified as the technique with the worst performance in stock price prediction.
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.