Finans Alanında Makine ve Derin Öğrenmenin Kullanılması: Lisansüstü Tezlerde Sistematik Literatür Taraması

Abstract

İnsanoğlu makinelerin insanlar gibi düşünebildiği ve hareket edebildiği bir çağın başlangıcında bulunuyor. Bu durum her ne kadar ürkütücü görünse de, akademide ilgi gören ve üzerinde artan miktarda çalışmalar gerçekleşmeye başlanan bir konudur. Makine öğrenmesi ve derin öğrenmeyle oluşturulan yapay zeka pek çok alanda olduğu gibi, finans alanında da çokça kullanılmaktadır. Bu çalışmalar içerisinde yurt içinde ve yurt dışında yayınlanan makale, kitap, kitap bölümleri, sempozyum bildirileri olduğu gibi, gerçekleştirilen yüksek lisans ve doktora tezleri de yer almaktadır. Bu tür çalışmalarda gelinen son durumu tespit etmek ve literatürdeki boşlukları ortaya çıkarmak amacıyla sistematik literatür taramaları yapılmaktadır. Bu çalışmada, Türkiye’de gerçekleştirilen ve uygulama bölümlerinde finans alanında makine öğrenmesi ve derin öğrenme tekniklerinin kullanıldığı lisansüstü tezler sistematik literatür taraması ile incelenmektedir. Araştırma, 2018-2023 yılları arasındaki dönemde yapılan çalışmaları kapsamaktadır. Araştırmanın sonucunda, konuyla ilgili yapılan tezlerde makine ve derin öğrenme yöntemlerinin en çok finansal enstrümanların gelecekteki fiyatlarının tahminlemesinde, ardından sırasıyla finansal risklerin tespit edilmesinde, kurumsal finansal başarısızlık ve iflas tahmininde ve ayrıca portföy optimizasyon modellerinde kullanıldığı belirlenmiştir. İlgili dönem boyunca, yapılan tez çalışmalarının sayılarında artan bir grafik bulunmaktadır. Bu çalışmalarda genellikle birden fazla algoritmanın uygulamadaki başarıları karşılaştırılarak en başarılı sonuçlar belirlenmeye çalışılmıştır. En çok çalışılan tez konusunun makine öğrenmesiyle kredi riskinin analizi olduğu, ardından makine öğrenmesiyle hisse senedi fiyat tahmininin geldiği ortaya çıkmıştır. En çok kullanılan algoritmaların karar ormanı, karar ağacı ve uzun-kısa dönem hafıza algoritmaları olduğu tespit edilmiştir. Lisansüstü tez konusu olarak sosyal bilimlerden daha çok, fen bilimleri temel alanında tercih edildiği ve yazılan tezlerin en çok bilgisayar mühendisliği ana bilim dalında hazırlandığı, ardından işletme ana bilim dalında hazırlanan tezlerin geldiği ortaya çıkmıştır.Humanity is at the beginning of an era in which machines can think and act like humans. As daunting as this may seem, it is gaining attention in academia, and more work is being carried out on it. Artificial intelligence created with machine learning and deep learning is widely used in finance and many other fields. These studies include articles, books, book chapters, symposium proceedings, and master's and doctoral theses published in Türkiye and abroad. Systematic literature reviews are conducted to determine the state of the art in such studies and identify literature gaps. In this study, a systematic literature review is conducted to examine the postgraduate theses conducted in Türkiye in which machine learning and deep learning techniques are used in the field of finance in the application departments. The research covers the studies conducted in the period between 2018 and 2023. As a result of the research, it is determined that machine and deep learning methods are primarily used in predicting future prices of financial instruments, followed by the detection of financial risks, corporate financial failure, bankruptcy prediction, and portfolio optimization models. During the relevant period, there is an increasing trend in the number of thesis studies. In these studies, the success of more than one algorithm in practice is usually compared to determine the most successful results. The most studied thesis topic was credit risk analysis with machine learning, followed by stock price prediction with machine learning. The most commonly used algorithms are decision forest, decision tree, and long-short term memory algorithms. It has been revealed that science is preferred as the subject of a graduate thesis rather than social sciences. The theses written are primarily prepared in the computer engineering major, followed by those prepared in the business administration major.