Sermaye piyasalarında veri madenciliği uygulamaları: Borsa İstanbul örneği

Abstract

Veri madenciliği, finansal sektörde stratejik karar alma süreçlerini destekleyen ve müşteri ilişkileri yönetiminden risk değerlendirmesine kadar geniş bir yelpazede kullanılan güçlü bir araçtır. Finansal kurumlar, veri madenciliği tekniklerini kullanarak müşteri davranışlarını analiz eder, kredi riskini değerlendirir ve dolandırıcılık tespiti gibi önemli görevlerde bulunur. Ayrıca, finansal tabloların analizi, veri madenciliği teknikleri kullanılarak daha etkin bir şekilde gerçekleştirilebilir ve bu sayede şirketlerin finansal performansı hakkında daha derinlemesine bilgi edinilebilir. Bu çalışmada Veri Madenciliği teknikleri kullanılarak Borsa İstanbul’da (BİST) işlem gören şirketlerin, bilanço ve gelir tablosu gibi finansal tablolarından elde edilen verilerle finansal sağlığının ve risk seviyesinin değerlendirmesi amaçlanmıştır. Bu amaçla öncelikle Kamuyu Aydınlatma Platformu (KAP) üzerinden çeşitli sektörlerdeki 672 adet BİST şirketinin 2016-2023 yılları arasında yayınlanan finansal tablolarındaki toplam kaynaklar, özkaynaklar, varlıklar, yükümlülükler ve net dönem karı veya zararı gibi verileri toplanmıştır. Daha sonra şirketlerin finansal risk oranları hesaplanarak 4048 kayıt içeren bir veri seti oluşturulmuştur. Son olarak, Naive Bayes, k-En Yakın Komşu (KNN), Karar Ağacı, Rastgele Orman, Lojistik Regresyon, Derin Öğrenme ve Destek Vektör Makinesi (DVM) sınıflandırma algoritmaları kullanılarak finansal veriler sınıflandırılmış ve en yüksek başarı %98,37 doğruluk değeri ile Rastgele Orman algoritması ile elde edilmiştir. Yapılan bu çalışma ile şirketler geçmiş performans verilerinden yararlanarak gelecekteki finansal durumlarını tahmin edebilirler. Bu sayede yatırımcılar ve yöneticilerin daha bilinçli kararlar alabilmesi ve finansal risklerin minimize edilebilmesi sağlanabilir.

Data mining is a powerful tool that supports strategic decision-making processes in the financial sector and is used in a wide range of areas, from customer relationship management to risk assessment. Using data mining techniques, financial institutions analyze customer behavior, assess credit risk, and perform important tasks such as fraud detection. In addition, analysis of financial statements can be carried out more effectively using data mining techniques and thus more in-depth information can be obtained about the financial performance of companies. In this study, it is aimed to evaluate the financial health and risk level of companies traded in Borsa İstanbul (BİST) using data mining techniques, with data obtained from financial statements such as balance sheets and income statements. For this purpose, first of all, data such as total resources, equity, assets, liabilities and net period profit or loss in the financial statements of 672 BİST companies in various sectors published between 2016 and 2023 were collected through the Public Disclosure Platform (KAP). Then, a data set containing 4048 records was created by calculating the financial risk ratios of the companies. Finally, financial data were classified using Naive Bayes, k Nearest Neighbor (KNN), Decision Tree, Random Forest, Logistic Regression, Deep Learning and Support Vector Machine (SVM) classification algorithms, and the highest success was the Random Forest algorithm with an accuracy value of 98.37%. With this study, companies can predict their future financial situations by using past performance data. In this way, investors and managers can make more informed decisions and minimize financial risks.