İşletmelerin aktif ve özkaynak kârlılığının makine öğrenmesi ile modellenmesi: BIST gıda ve içecek endeksi üzerine bir uygulama

Çalışma, BIST Gıda ve İçecek Endeksi'ndeki 17 firmanın 2000–2023 dönemine ait verileriyle aktif kârlılık ve özkaynak kârlılığının makine öğrenmesi yaklaşımlarıyla modellenmesi ve öngörülmesini amaçlamaktadır. Muhasebe bilgi sistemlerinden türetilen likidite, mali yapı, faaliyet ve büyüme oranları bağımsız değişken; ROA ve ROE ise bağımlı değişken olarak her bir şirket için ayrı ayrı modellenmiştir. Yapay Sinir Ağları, Destek Vektör Regresyonu ve Rastgele Ormanlar kullanılarak kurulan tahmin modelleri karşılaştırılmış, en yüksek doğruluğun çalışmada analizi yapılan şirketler için Yapay Sinir Ağları algoritmasında elde edildiği saptanmıştır. Değişken seçimi için uygulanan korelasyon tabanlı yöntem, kârlılığı belirleyen oranları ayırt ederek modellerin hem doğruluğunu hem de yorumlanabilirliğini güçlendirmiştir. Bulgular, firma düzeyinde esnek ve uygulanabilir tahmin çerçeveleri sunarak muhasebe bilgi sistemlerinin raporlamanın ötesinde karar destek ve ileri analiz işlevlerini pekiştirmektedir. Böylece işletmelerin veri odaklı, daha güvenilir finansal stratejiler geliştirmesine katkı sağlanmaktadır. Çalışma aynı zamanda literatüre özgün bulgular sunarak sektörel ölçekte karar destek sistemlerinin tasarımına zemin oluşturmaktadır.