BAÜN'lü Akademisyenler Enerji Şirketlerinde Finansal Performansın Belirleyicilerini Makine Öğrenmesi Yöntemleri ile Ortaya Koydu
Balıkesir Üniversitesi (BAÜN) Burhaniye Uygulamalı Bilimler Fakültesi Finans ve Bankacılık Bölümü akademisyenlerinden Doç. Dr. Hasan Hüseyin Yıldırım ile Burhaniye Meslek Yüksekokulu Muhasebe ve Vergi Uygulamaları Bölümü akademisyenlerinden Dr. Öğr. Üyesi Cevriye Yüksel Yıldırım’ın da yer aldığı akademisyenlerin imzasını taşıyan çalışma, Borsa İstanbul’da işlem gören enerji şirketlerinde makine öğrenmesi (veri üzerinden öğrenen yapay zeka destekli analiz) yöntemlerini kullanarak finansal performans belirleyicilerini ortaya koydu.
BAÜN
akademisyenlerinden Doç. Dr. Hasan Hüseyin Yıldırım ve Dr. Öğr. Üyesi Cevriye
Yüksel Yıldırım ile Gaziantep Üniversitesi akademisyenlerinden Doç. Dr. Ömer
Faruk Rençber tarafından ortaya konan “Ranking The Determinants of Financial
Performance Using Machine Learning Methods: An Application to BIST Energy
Companies” başlıklı çalışma, uluslararası dergi sıralamalarında en üst dilim
olan Q1 ölçeğindeki “Mathematical Modelling and Numerical Simulation with
Applications” dergisinde yayımlandı.
Çalışma
hakkında bilgi veren Doç. Dr. Hasan Hüseyin Yıldırım ve Dr. Öğr. Üyesi Cevriye
Yüksel Yıldırım, 2014Q4-2023Q4 (2014’ün son çeyreğinden 2023’ün son çeyreği)
tarihleri arasında ve Borsa İstanbul’da faaliyet gösteren 12 enerji firması
üzerinde gerçekleştirildiğini belirtti. Finansal performans ölçütü olarak aktif
kârlılık, özsermaye kârlılığı ve net kâr marjı olmak üzere üç farklı bağımlı
değişkenin kullanıldığını ifade eden akademisyenler, her bir performans ölçütü
için ayrı model oluşturduklarını aktardı. Araştırmada, her modelde 12 finansal
oranın bağımsız değişken olarak ele alındığını dile getiren akademisyenler, bu
modeller için 17 farklı makine öğrenmesi algoritmasının uygulandığını ve en
uygun algoritmanın tespit edilmeye çalışıldığını söyledi.
Sonuçlara
dair açıklama yapan akademisyenler, aktif kârlılık modelinde Bagged Tree
algoritmasının başarılı sonuçlar verdiğini, özsermaye kârlılığı modelinde
Boosted Tree algoritmasının etkili performans gösterdiğini, net kâr marjı
modelinde ise Linear SVM algoritmasının olumlu sonuçlar ortaya koyduğunu ifade
etti. Akademisyenler ayrıca, LIME yöntemiyle elde edilen sonuçlara göre
likidite oranı ve nakit oranının üç modelde de olumlu etkisi bulunduğunu, stok
devir hızının ise modeller üzerinde olumsuz etkiler gösterdiğini belirtti.
Doç.
Dr. Hasan Hüseyin Yıldırım ve Dr. Öğr. Üyesi Cevriye Yüksel Yıldırım, elde
edilen bulguların hem akademik çalışmalara hem de yatırımcıların alacakları
kararlara yön vermesi açısından önemli katkılar sağlayacağını vurguladı.
Makale erişim adresi: https://dergipark.org.tr/en/pub/mmnsa/issue/86155/1594426
