Makine öğrenmesi yöntemleri ile şirketlerin çevresel, sosyal ve yönetişim (ÇSY) skorlarının tahmin edilmesi: Borsa İstanbul (BIST) sürdürülebilirlik endeksi üzerine bir uygulama
Prediction of environmental, social, and governance (ESG) scores of companies using machine learning methods: An application on the borsa istanbul (BIST) sustainability index
- Tez No: 1015369
- Danışmanlar: PROF. DR. İDİL ÖZLEM KOÇ
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Bankacılık ve Sigortacılık Enstitüsü
- Ana Bilim Dalı: Sermaye Piyasası ve Borsa Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, şirketlerin sürdürülebilirlik performanslarını değerlendirmek amacıyla çevresel, sosyal ve yönetişim (ÇSY) skorlarının tahmin edilmesine yönelik bir makine öğrenmesi yaklaşımı geliştirilmiştir. ÇSY göstergeleri, şirketlerin çevresel duyarlılığı, toplumsal sorumluluğu ve yönetişim ilkelerine uyumu açısından kritik bir değerlendirme aracıdır. Ancak bu göstergelere ilişkin veriler çoğunlukla yapılandırılmamış metin biçiminde yayımlandığından, sistematik analizleri hem teknik hem yöntemsel açılardan güçleştirmektedir. Bu kapsamda, doğal dil işleme (NLP) tekniklerinin metin madenciliği ile birlikte kullanılması, yapılandırılmamış verilerin anlamlı özniteliklere dönüştürülmesinde önemli avantajlar sunmaktadır. Tez çalışmasında, Refinitiv Eikon veritabanından elde edilen ÇSY skorları hedef (bağımlı) değişken olarak, şirketlerin sürdürülebilirlik ve entegre faaliyet raporları ise girdi (bağımsız) değişken olarak kullanılmıştır. Metin tabanlı veriler üzerinde uygulanmak üzere toplam 11 farklı makine öğrenmesi algoritması denenmiş; lojistik regresyon, rastgele orman yaklaşımı, K-en yakın komşu (KNN) ve LightGBM algoritmalarının, doğruluk ve F1 skoru gibi performans ölçütleri açısından en yüksek başarıyı gösterdiği saptanmıştır. Uygulanan modeller, literatürdeki benzer çalışmalarla tutarlılık arz etmiş ve elde edilen sonuçlar, ÇSY skorlarının tahminlerinde yapay zekâ tabanlı yöntemlerin kullanılabilirliğini ortaya koymuştur. Tez kapsamında geliştirilen bu yaklaşım, büyük ölçekli veri kümelerinde ÇSY performansının otomatik olarak analiz edilmesine olanak tanımakta ve sürdürülebilirlik odaklı karar alma süreçlerine katkı sunabilecek etkili bir araç olarak öne çıkmaktadır.
Özet (Çeviri)
In this thesis, a machine learning-based approach has been developed to predict environmental, social and governance (ESG) scores with the aim of evaluating companies' sustainability performance. ESG indicators are critical tools for assessing corporate alignment with environmental sensitivity, social responsibility, and governance standards. However, since ESG-related data is often published in unstructured textual formats, systematically analyzing this information presents both technical and methodological challenges. In this context, the integration of natural language processing (NLP) techniques with text mining provides significant advantages in transforming unstructured data into meaningful attributes. In this thesis, ESG scores obtained from the Refinitiv Eikon database were used as the target (dependent) variable, while companies' sustainability and integrated activity reports were used as the input (independent) variable. A total of 11 different machine learning algorithms were applied to these text-based datasets, and logistic regression, random forest, KNN and LightGBM emerged as the most successful models in terms of accuracy and F1-score performance metrics. The results were consistent with previous findings in the literature and demonstrated the practical applicability of AI-driven methods in ESG prediction. The approach developed in this thesis offers a scalable and effective solution for automatically analyzing ESG performance in large datasets and provides valuable support for data-driven decision-making in sustainability management.
Benzer Tezler
- Müşteri ilişkileri açısından çapraz satış performansı ölçümü ve bir araştırma
Measurement of cross selling performance from customer relationship perspective
NEVİN CENAL
- Short term load forecasting by using artificial neural networks
Yapay sinir ağları kullanılarak kısa dönemli yük tahmini
ALI GHADIRIASL NOBARI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Yapay zeka uygulamalarının mavi yüzgeçli orkinos (Thunnus thynnus (Linnaeus, 1758))'un avcılığında ve besiciliğindeki rolü
The role of artificial intelligence applications in fishing and livestock management of bluefin tuna (Thunnus thynnus (Linnaeus, 1758)
OĞULCAN KEMAL SAGUN
Doktora
Türkçe
2025
Su ÜrünleriEge ÜniversitesiSu Ürünleri Yetiştiriciliği Ana Bilim Dalı
PROF. DR. HÜLYA EMİNÇE SAYGI
- Kurumsal sürdürülebilirlik ölçümünde dengeli performans karnesi yaklaşımı ve bir model önerisi: TOPSIS yöntemi ile şirketlerin değerlendirilmesi
A balanced scorecard approach and a model proposal for institutional sustainabilty measurement: Assesment of companies with TOPSIS method
GÜLŞE BÜLBÜLOĞLU
Yüksek Lisans
Türkçe
2018
İşletmeMarmara Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET NURİ İNEL
- Analysis and visualization of two and three dimensional data structures using a rational cubic spline function: A case study on water, natural gas, and electricity data in Istanbul
Rasyonel kübik splayn fonksiyonu kullanarak iki ve üç boyutlu veri yapılarının analizi ve görselleştirilmesi: İstanbul'daki su, doğal gaz ve elektrik verileri üzerine bir vaka çalışması
ZÜBEYDE YAVUZ
Yüksek Lisans
İngilizce
2025
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET DURAN