BIST 100 şirketlerinde ESG skorlarının finansal performans üzerindeki etkisi: Geleneksel, makine öğrenmesi ve bulanık mantık yaklaşımlarının karşılaştırmalı bir analizi
Is this your thesis?
This record came from a bulk archive import. If it’s yours, link it to your profile.
Abstract (TR)
Bu doktora tezi, 2010-2024 yılları arasında BIST 100 endeksinde yer alan halka açık Türk şirketlerinin finansal performansı ile Çevresel, Sosyal ve Yönetişim (ESG) skorları arasındaki ilişkiyi incelemektedir. Çalışmanın temel amacı, geleneksel sağlayıcı temelli, makine öğrenmesi tabanlı ve bulanık mantık temelli ESG değerlendirme yöntemlerini karşılaştırarak ESG skorlamasına ilişkin metodolojik zorluklar ve güvenilirlik sorunlarını ele almaktır. Entegre bir araştırma tasarımı çerçevesinde, tezde öncelikle panel veri regresyon analizi uygulanarak ESG skorlarının ve alt boyutlarının Özkaynak Karlılığı (ROE), Aktif Karlılığı (ROA) ve Tobin Q gibi temel finansal göstergeler üzerindeki etkileri incelenmiştir. Takiben, finansal performansı tahmin etmek ve alternatif ESG skorlama yaklaşımlarının öngörü gücünü kıyaslamak amacıyla Random Forest, XGBoost ve Yapay Sinir Ağları gibi çeşitli denetimli ve denetimsiz makine öğrenmesi modelleri kullanılmıştır. Buna ek olarak, şirketler finansal ve sürdürülebilirlik performanslarına göre sıralanırken entropi ağırlıklandırma ve TOPSIS yöntemi gibi çok kriterli karar verme (MCDM) tekniklerinden yararlanılmıştır. Araştırma bulguları, makine öğrenmesi tabanlı ESG skorlarının finansal performansı öngörmede geleneksel ve sağlayıcı temelli modellere kıyasla daha yüksek doğruluk sağladığını göstermektedir. Ayrıca, ESG alt boyutlarının—özellikle yönetişim ve çevre faktörlerinin—finansal tahmin modellerinin açıklayıcılığını artırdığı ortaya konmuştur. Sektörel analizler ise ESG-finansal performans ilişkilerinde önemli heterojenlikler olduğunu ve sektör dinamiklerinin bu ilişkiyi anlamlı şekilde etkilediğini göstermektedir. Tez, ESG skorlama yaklaşımlarının kapsamlı bir metodolojik karşılaştırmasını sunarak, veri odaklı ve açıklanabilir makine öğrenmesi modellerinin sürdürülebilir finans alanındaki katma değerini vurgulamaktadır. Çalışmada geliştirilen bütünleşik analitik çerçeve, yatırımcılar, politika yapıcılar ve şirket yöneticileri için sürdürülebilir değer yaratma ve karar verme süreçlerinde sağlam ve şeffaf araçlar sunmaktadır.
Author
Cansu Ergenç Özdaş
Institution
How to Cite
Cansu Ergenç Özdaş (Doktora Tezi). BIST 100 şirketlerinde ESG skorlarının finansal performans üzerindeki etkisi: Geleneksel, makine öğrenmesi ve bulanık mantık yaklaşımlarının karşılaştırmalı bir analizi, 2025, Ankara Yıldırım Beyazıt University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Ankara Yıldırım Beyazıt University
- Akran zorbalığı ile ergenlerin algıladıkları aile işlevselliğinin incelenmesi(2019)
- Yemen'de e-devlet gelişiminin önündeki engeller(2022)
- Çocuk acile başvuran epilepsi tanılı hastaların özellikleri(2022)
- Twitter gündem ağları: Twitter Türkiye gündemlerinin ağ toplumu kavramı üzerinden incelenmesi(2022)
- Arap Baharının MENA bölgesindeki çatışmalar üzerindeki etkisi: Sayım veri analizinden bulgular(2022)
- Uganda, Kampala'da mevcut tüberküloz önleme ve kontrolünü etkileyen faktörlerin araştırılması(2023)