Salur, Mehmet NuriAkusta, Ahmet2026-02-102026-02-1020251309-91322147-7833https://doi.org/10.18493/kmusekad.1530152https://search.trdizin.gov.tr/en/yayin/detay/1338431/exploring-the-interpretability-and-predictive-power-of-machine-learning-models-in-technology-indices-a-case-studyhttps://hdl.handle.net/20.500.13091/13013Bu çalışma, Aselsan'ın Borsa İstanbul Teknoloji Endeksi'ndeki performans değerlendirmesini, makine öğrenmesi modellerinin yorumlanabilirlik ve öngörülebilirlik gücünü açıklayan kapsamlı bir çalışmadır. Çalışma, teknik göstergeleri ve endeks verilerini değişkenler olarak içermekte olup, 20 Kasım 2020 ile 10 Nisan 2023 tarihleri arasındaki 600 günlük bir veri setinde gerçekleştirilmektedir. Veri seti, eğitim alt kümesi için %85 ve doğrulama alt kümesi için %15 olmak üzere 85:15 veri bölünme oranıyla kullanılmıştır. Model eğitimi, Orthogonal Matching Pursuit (OMP) algoritması kullanılarak gerçekleştirilmiştir. Eğitim sonrasında model, daha önce görülmemiş verileri kullanarak tahminlerini doğrulamaktadır. Bu aşamadaki bulgular, modelin Aselsan hisse senedi fiyatlarındaki hareketleri öngörebilme ve güvenilir bir şekilde tahmin edebilme yeteneğinin güçlü olduğuna işaret etmektedir. Ayrıca model, kullanıcının karar sürecini anlamasına ve tahminlerin arkasındaki nedenleri görmesine yardımcı olan bir yorumlanabilirlik kapasitesine sahiptir.eninfo:eu-repo/semantics/openAccessArticle10.18493/kmusekad.1530152