Geri Dön

Makine Öğrenmesi Kullanılarak Çevresel, Sosyal, Yönetişim ve Finansal Performans Tahmini için Hibrit Özellik Seçim Çerçevesi

Hybrid Feature Selection Framework for Environmental, Social, Governance and Financial Performance Prediction Using Machine Learning

  1. Tez No: 956242
  2. Yazar: ALI TAHSEEN ALI RAJAB
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEDA ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Çankırı Karatekin Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Kurumsal sürdürülebilirlikte Çevresel, Sosyal ve Yönetişim (ESG) göstergelerinin artan önemi, daha güvenilir performans tahminleri yapabilmek için bu göstergelerin geleneksel finansal verilerle bütünleştirilmesini gerekli kılmıştır. Ancak ESG ve finansal veri setleri çoğunlukla yüksek boyutluluk, heterojenlik ve gereksiz veya ilgisiz değişkenler içermekte olup, bu durum öngörücü modelleme sürecini karmaşık hale getirmektedir. Bu zorlukların üstesinden gelmek için bu çalışma, en bilgilendirici değişkenleri belirlemek amacıyla filtre, sarmalayıcı ve gömülü yöntemleri birleştiren hibrit bir özellik seçim çerçevesi önermektedir. Çerçeve, zayıf korelasyonlu özellikleri ortadan kaldırmak için istatistiksel filtreleme teknikleriyle başlamakta, ardından özellik etkileşimlerini yakalamak için Özyinelemeli Özellik Eleme (RFE) ve meta-sezgisel algoritmalar gibi sarmalayıcı tabanlı arama optimizasyon yöntemlerini kullanmaktadır. Son aşamada, makine öğrenmesi algoritmalarını içeren gömülü yaklaşımlar uygulanarak, modele dayalı önem ölçütleri ile özellik kümesi daha da rafine edilmektedir. Seçilen özellikler, daha sonra ESG skorlarını ve kârlılık, risk ve hisse senedi getirileri gibi finansal performans göstergelerini tahmin etmek için makine öğrenmesi modellerine entegre edilmektedir. Önerilen hibrit çerçeve, hesaplama karmaşıklığını azaltırken modelin doğruluğunu, yorumlanabilirliğini ve sağlamlığını artırmaktadır. Bu çalışma, ESG ve finansal verilerin gelişmiş özellik seçimi ile bütünleştirilmesinin tahmin performansını önemli ölçüde iyileştirdiğini ve yatırımcılar, politika yapıcılar ve kurumsal karar vericiler için değerli içgörüler sunduğunu ortaya koymaktadır.

Özet (Çeviri)

The increasing importance of Environmental, Social, and Governance (ESG) indicators in corporate sustainability has created a strong need to integrate them with traditional financial data for more reliable performance prediction. However, ESG and financial datasets are often high-dimensional, heterogeneous, and contain redundant or irrelevant variables, which complicates the predictive modeling process. To address these challenges, this study proposes a hybrid feature selection framework that combines filter, wrapper, and embedded methods to identify the most informative variables. The framework begins with statistical filtering techniques to eliminate weakly correlated features, followed by wrapper-based search optimization methods such as Recursive Feature Elimination and metaheuristic algorithms to capture feature interactions. Finally, embedded approaches including machine learning algorithms are employed to refine the feature set based on model-driven importance measures. The selected features are then integrated into machine learning models to predict ESG scores and financial performance indicators including profitability, risk, and stock returns. The proposed hybrid framework enhances model accuracy, interpretability, and robustness while reducing computational complexity. This study demonstrates that integrating ESG and financial data with advanced feature selection significantly improves predictive performance and provides valuable insights for investors, policymakers, and corporate decision-makers.

Benzer Tezler

  1. Tez No

    203

    Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu

    Başlık çevirisi yok

    İRFAN KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ BORAT

  2. Tez No

    257

    Kuyruk modelleri ve analizi üzerine bir uygulama

    Başlık çevirisi yok

    DİDEM ÖZPULAT

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    İstatistikEge Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİKRET İKİZ

  3. Tez No

    320

    Yenileme yatırımları

    Başlık çevirisi yok

    OSMAN NURİ FİLİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    İşletmeGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN OKKA

  4. Tez No

    220

    Çeltik kabuklarının yalıtım malzemesi olarak kullanılması

    Başlık çevirisi yok

    B.CİHAN ÇELEBİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KIRBIYIK

  5. Tez No

    221

    Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması

    Başlık çevirisi yok

    ÜMİT AKÇAL

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİM DEMİRCİ

  6. Tez No

    222

    Karıştırıcılar ve karıştırma kabındaki akım olaylarının incelenmesi

    Başlık çevirisi yok

    NADİR İLTEN

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ÖMER SAMİH MERTBAŞ

Geri Dön