Yapay sinir ağları ile kârlılık tahmini ve panel veri analizi kıyaslaması: Gayrimenkul yatırım ortaklıkları örneği

Fon sahipleri tarafından yatırım kararı almak, firmalar tarafından ise yatırımlarının finansmanıyla ilgili stratejik kararlar vermek amacıyla kârlılık tahmininde bulunmak oldukça önemlidir. Bunun yanında uygulamada kârlılığı tahmin etmek güç olmakla birlikte uzmanlık gerektirmektedir. Geleneksel ekonometrik modellerle yapılan kârlılık tahminlerinde kısıtlayıcı unsurlarla karşı karşıya kalınabilmektedir. Son yıllarda kârlılık tahmini için esnek hesaplama, büyük ve farklı veri tipleri ile çalışabilme ve anlık değişimleri tahmin edebilme yetenekleri ile yapay zekâ teknikleri ön plana çıkmıştır. Yapay zekâ tekniklerinden biri olan Yapay Sinir Ağları (YSA) algoritmaları ile en iyi kârlılık tahmin modelinin tespit edilmesi bu çalışmanın temel amacını oluşturmaktadır. Ayrıca YSA tahmin modeli ile elde edilen bulgular, veri setine panel veri analizi uygulanması sonucu elde edilen bulgularla karşılaştırılarak YSA tekniğinin tahmin başarısı yorumlanmıştır. Çalışmanın kapsamı Borsa İstanbul'da (BİST) işlem gören Gayrimenkul Yatırım Ortaklıklarının (GYO) 2010-2019 çeyrek dönem mali tablo değerlerini içermektedir. Yapılan kârlılık tahmininde bağımlı değişken olarak ele alınan aktif kârlılık ve öz kaynak kârlılığı için YSA ile çalıştırılan çok sayıda deneme modeli sonucu ulaşılan en iyi R^2 genel performans değerleri sırasıyla %87 ve %98 olarak elde edilmiştir. Bu değerlerin yapılan panel veri analizi bulgularıyla karşılaştırılması neticesinde, YSA tahmin modellerinin, panel veri analiz modellerine göre daha başarılı tahmin yapabildiği sonucuna ulaşılmıştır.