MAKİNE ÖĞRENMESİ YÖNTEMLERİ İLE SERMAYE YAPISININ BELİRLENMESİ; BİST’TE UYGULAMA

OpenAlex Türkçe

Bu çalışma, firmaların fonlama kararlarını önemli ölçüde etkileyen firmaya özgü faktörleri belirlemek ve geliştirmek için makine öğrenmesi yöntemlerine dayalı bir model oluşturmak amacıyla gerçekleştirilmiştir. Çalışma, 2014-2023 yılları arasında Borsa İstanbul’da orman, kâğıt ve basım endeksinde sıralanan firmalardan oluşmakta olup makine öğrenmesi yöntemleri ile sermaye yapısı kararları analiz edilmiştir. Makine öğrenmesi yöntemleri kullanılarak yapılan analizler sonucunda oluşturulan modeller içerisinde özellikle XGBoost yöntemi ile oluşturulan model ve Random Forest modelinin performans değerlerinin AdaBoost ve SVM modeline göre daha iyi performans gösterdiği tespit edilmiştir. Özellikle XGBoost ve Random Forest yöntemi ile oluşturulan modellerin kurumsal sermaye yapılarının belirlenmesi için daha iyi bir seçenek olduğu görülmüştür. En kötü performansın ise SVM modeli olduğu anlaşılmıştır.