Sosyal Sorumlu Yatırım Bağlamında Pay Senedi Getirisinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi: Borsa İstanbul Örneği

Özet

Amaç – Bu çalışmada pay senetleri Borsa İstanbul 30/100 ve sürdürülebilirlik endeksindeki imalat sanayi şirketlerinin yılsonu mali tablo verileri ve ekonomik göstergeler kullanılarak örnek kapsamındaki şirketlerin bir yıl sonraki ortalama pay senedi getirilerinin tahmin edilmesi amaçlanmıştır. Çalışmada kullanılan yöntemlerin tahmin performansının, yöntemlerin ayırt edici özellikleri altında karşılaştırılması çalışmanın diğer amacını oluşturmaktadır. Yöntem – Örnek kapsamındaki 13 şirketin 2010-2018 döneminde yılsonu mali tabloları ve yıllık ortalama ekonomik göstergeler alınarak 2011-2019 yıllık ortalama pay senedi getirileri Yapay sinir ağları (ANN), Sınıflandırma ve Regresyon Ağaçları (CART) ve K En Yakın Komşu Algoritması (KNN) yöntemleri ile tahmin edilmiştir. Çalışmada optimal veri dağılımı için 10 katlı çapraz doğrulama yöntemi ve verilen parametre aralıklarında en yüksek tahmin sonucu veren modelin belirlenmesi amacıyla parametre optimizasyonu kullanılmıştır. Yöntemlerin performansı ROC eğrisi ile karşılaştırılmıştır. Bulgular – Analiz sonucunda CART (%94,87), ANN (%94,02) ve KNN (%92,31) genel tahmin ve sınıflandırma doğruluğu elde etmiştir. %20’den %50 ye kadar negatif getiri sağlayan örnekleri ANN (%80,00), CART (%100), KNN (%100) oranında doğru tahmin etmesi ve %20’den %50’ye kadar pozitif getiri tahmininde KNN (%100), ANN (%96,55), CART (96,55) tahmin doğruluğu elde etmesi dikkate değer bulunmuştur. Araştırmada CART karar ağacının oluşturulmasında verileri bölen önemli değişkenler olarak “Özsermaye Kârlılık Oranı” ve “Piyasa Değeri /Defter Değeri” bulunmuştur. Tartışma – Bu çalışmada kullanılan tüm yöntemler %90,00’ın üzerinde genel tahmin doğruluğu elde ederek sınıflandırma ve tahmin gerçekleştirmiştir. Gaganis (2009) çalışmasında %75’in üzerinde tespit doğruluğunun sosyal bilimler alanında iyi bir sonuç olduğunu belirtmiştir. Gaganis (2009) sınıflandırmasına göre bu çalışmadaki ANN, CART ve KNN analiz sonuçları çok iyi olarak değerlendirilebilir.