| dc.creator |
KARAATLI, Meltem; SÜLEYMAN DEMİREL ÜNİVERSİTESİ, İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ |
|
| dc.creator |
ALTINTAŞ, Ece; SÜLEYMAN DEMİREL ÜNİVERSİTESİ, SOSYAL BİLİMLER ENSTİTÜSÜ |
|
| dc.date |
2018-12-30T00:00:00Z |
|
| dc.date.accessioned |
2019-04-09T07:17:37Z |
|
| dc.date.available |
2019-04-09T07:17:37Z |
|
| dc.identifier |
http://dergipark.gov.tr/makusobed/issue/40501/469617 |
|
| dc.identifier |
10.20875/makusobed.469617 |
|
| dc.identifier.uri |
http://hdl.handle.net/11672/2238 |
|
| dc.description |
Günümüzde birçok kurum ve kuruluş tarafından çeşitli şekillerde toplanan bilgiler veri yığınları halinde saklanmaktadır. Veri madenciliği, veri tabanlarında saklanan verileri kullanarak tahminler yapabilen bir süreçtir. Veri madenciliği, birçok piyasada olduğu gibi hisse senetleri piyasasında da işletmeleri rakiplerinden avantajlı hale getirebilmektedir. Bu çalışmada, Borsa İstanbul’da işlem gören hisse senetlerinin günlük artış, azalış ve sabit kalma durumları göz önüne alınarak bir veri seti oluşturulmuştur. Bu veri setinin, anlamlı bir kümeleme oluşturması ve oluşan kümelerin sektör ve işletme açısından analiz edilmesi amaçlanmıştır. Bu doğrultuda, veri madenciliği süreci kümeleme yöntemi algoritmalarından biri olan “beklenti maksimizasyonu” algoritması kullanılarak 134 işletme, hisse senedi fiyatları yükselişi “düşük”, “orta düzeyde” ve “yüksek” olarak üç kümeye ayrılmıştır. Çalışmanın sonucunda işletmelerin bulunduğu kümeler sektör ve işletme açısından yorumlanmıştır. |
|
| dc.description |
Nowadays, information, collected by many institutions and organizations is stored in the form of data stacks. Data mining is a process that can make estimates using data stored in databases. Data mining in stock markets is as advantageous as many other markets in terms of gaining competitive advantage. In this study, a data set was prepared considering the daily increase, decrease and steady state of stocks traded in Istanbul Stock Exchange. By using this dataset, it is aimed to be able to create meaningful clustering and to analyze the clusters formed in terms of sector and business. In this direction, 134 firms using the "maximization of expectation" algorithm, which is one of the data mining process clustering method algorithms, are divided into three groups as "low", "medium level" and "high" stocks. As a result, the clusters, are interpreted in terms of sector and business. |
|
| dc.format |
application/pdf |
|
| dc.language |
tr |
|
| dc.publisher |
Mehmet Akif Ersoy University |
|
| dc.publisher |
Mehmet Akif Ersoy Üniversitesi |
|
| dc.relation |
http://dergipark.gov.tr/download/article-file/612282 |
|
| dc.source |
Volume: 10, Issue: 26
871-886 |
|
| dc.source |
1309-1387 |
|
| dc.source |
1309-1387 |
|
| dc.subject |
Veri Madenciliği,Kümeleme,Borsa İstanbul,Hisse Senetleri |
|
| dc.subject |
Data Mining,Clustering,Istanbul Stock,Exchange Stocks,Expectation Maximization |
|
| dc.title |
BORSA İSTANBUL İŞLETMELERİNİN VERİ MADENCİLİĞİ İLE KÜMELENMESİ - CLUSTERING THE COMPANIES LISTED ON STOCK EXCHANGE ISTANBUL BY DATA MINING |
|
| dc.title |
CLUSTERING THE COMPANIES LISTED ON STOCK EXCHANGE ISTANBUL BY DATA MINING - BORSA İSTANBUL İŞLETMELERİNİN VERİ MADENCİLİĞİ İLE KÜMELENMESİ |
|
| dc.type |
info:eu-repo/semantics/article |
|