Publication: Analysis of KAP financial disclosures and creation of KAP index
Abstract
Bu çalışmada tekil hisselerin fiyatlarının ve günlük işlem hacimlerinin tahmin edilmesi için makine öğrenmesi modelleri kullanılmıştır. Kamuyu Aydınlatma Platformu (KAP) Borsa İstanbul’da kayıtlı şirketlerin bildirimlerini üzerinden yapmakla yükümlü oldukları düzenleyici platformdur. Borsa İstanbul yatırımcıları Twitter’ı hisselere dair duygularını ifade etmek için kullanmaktadırlar. Tahminleme modelimiz yatırımcıların Twitter’da ifade ettikleri duygularını BIST30 endeksinde bulunan şirketlerin KAP bildirimlerinden elde edilen puanlarla birleştirerek hisselerin günlük işlem hacmi ve fiyat değişimlerini tahmin etmektedir. BIST30, DJI endeksi ve USD ile Ons Altın fiyatlarını içeren piyasanın durumuna dair finansal veriler modelin doğruluk oranını arttırmak için eklenmiştir. Bildirimlerden özellikle etkilenen firmalarda tekil hisse fiyatı tahmininde 80%’i aşan doğruluk oranına ulaşılmıştır. Bütün BIST30 şirketlerinde ise hacim tahmininde ortalama 74.7% doğruluk oranına ulaşılmıştır. Her bir şirket için tekil makine öğrenmesi modelleri güvenilir şekilde yüksek doğruluk oranları yakalaması sebebiyle bütün şirketlere dair genel bir KAP endeksi oluşturulmasının mümkün olmadığı görülmüştür.
In this study machine learning models are used for predicting individual stock price and daily volume changes using sentiments from public disclosures and tweets. Public Disclosure Platform (KAP) is the mandated regulatory platform for disclosing news about companies listed in Borsa Istanbul Stock Exchange. Investors in Borsa Istanbul use Twitter to express their sentiments for stocks. By combining people’s sentiment in Twitter and companies’ disclosures, our prediction model predicts the volume and price changes of individual company stocks listed in BIST30. Financial data regarding market conditions consisting of daily price changes of BIST30, DJI, USD and Gold per Ounce are also added to enhance prediction f1 score of the model. Above 80% individual stock price prediction f1 score is achieved for companies with high susceptibility to news. 74.7% mean volume prediction f1 score is achieved across all BIST30 companies. It has been found that building individual machine learning models for each company produces reliably higher f1 score therefore creation of a general KAP index about all companies is not feasible.
In this study machine learning models are used for predicting individual stock price and daily volume changes using sentiments from public disclosures and tweets. Public Disclosure Platform (KAP) is the mandated regulatory platform for disclosing news about companies listed in Borsa Istanbul Stock Exchange. Investors in Borsa Istanbul use Twitter to express their sentiments for stocks. By combining people’s sentiment in Twitter and companies’ disclosures, our prediction model predicts the volume and price changes of individual company stocks listed in BIST30. Financial data regarding market conditions consisting of daily price changes of BIST30, DJI, USD and Gold per Ounce are also added to enhance prediction f1 score of the model. Above 80% individual stock price prediction f1 score is achieved for companies with high susceptibility to news. 74.7% mean volume prediction f1 score is achieved across all BIST30 companies. It has been found that building individual machine learning models for each company produces reliably higher f1 score therefore creation of a general KAP index about all companies is not feasible.