Balıkesir Üniversitesi ve Gaziantep Üniversitesi akademisyenlerinin ortak çalışması, BIST’te işlem gören enerji firmalarının finansal performansını makine öğrenmesiyle analiz etti. Q1 kategorisindeki uluslararası dergide yayımlanan araştırma, yatırımcılara yol gösteriyor.
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.
