ESG ve Karbon Azaltma Metriklerinin Hisse Senedi Fiyat Tahmini Üzerindeki Etkisinin Değerlendirilmesi
Abstract
Bu çalışma, sürdürülebilirlik metriklerinin, özellikle ESG puanları ve kurumsal karbon azaltım hedeflerinin, LSTM sinir ağları kullanılarak yapılan hisse senedi fiyat tahmin modellerine entegre edilmesinin etkinliğini incelemektedir. Amaç, bu finansal olmayan göstergelerin farklı sektörlerde tahmin doğruluğunu artırıp artırmadığını değerlendirmektir. Analiz, 1 Ocak 2020 ile 19 Mart 2025 tarihleri arasındaki veriler kullanılarak, çeşitli sektörlerden beş BIST 100 şirketine odaklanmaktadır. Üç farklı model yapısı test edilmiştir: yalnızca geçmiş hisse senedi fiyatlarına dayalı bir model, ESG puanlarının eklendiği bir model ve karbon azaltım verilerini içeren model. Veriler, normalizasyon teknikleriyle ön işleme tabi tutulmuş ve güçlü bir model performansı sağlamak amacıyla eğitim ve test setlerine ayrılmıştır. Sonuçlar, MAE, MSE ve RMSE ölçütleri kullanılarak değerlendirilmiştir. Bulgular, sürdürülebilirlik metriklerinin özellikle havacılık (THYAO) ve petrol rafinajı (TUPRS) gibi emisyon yoğun sektörlerde tahmin doğruluğunu artırdığını, savunma sanayi (ASELS) gibi diğer bazı sektörlerde ise sınırlı veya olumsuz etkiler gösterdiğini ortaya koymaktadır. Beklentilere rağmen, çelik üreticisi EREGL yalnızca sınırlı düzeyde iyileşme göstermiştir. Genel olarak, çalışma sürdürülebilirlik ölçümlerinin finansal tahmin üzerindeki etkisinin sektöre göre değiştiğini göstermektedir. Her sektörün benzersiz dinamiklerine uyacak şekilde girdi özelliklerinin uyarlanmasının önemini vurgulamaktadır.
Keywords
Evaluating the Impact of ESG and Decarbonization Metrics on Stock Price Prediction
Abstract
This study investigates the effectiveness of incorporating sustainability metrics, specifically ESG scores and corporate decarbonization targets, into stock price prediction models using LSTM neural networks. The aim is to assess whether these non-financial indicators enhance predictive accuracy across different sectors. The analysis focuses on five BIST 100 companies from diverse industries, using data spanning from 1 January 2020 to 19 March 2025. Three model configurations were tested: one based solely on historical stock prices, one with added ESG scores, and another with decarbonization data. The data were preprocessed using normalization techniques and split into training and testing sets to ensure robust model performance. Results were evaluated using MAE, MSE, and RMSE. Findings reveal that sustainability metrics improved prediction accuracy primarily in emission-intensive sectors like aviation (THYAO) and oil refining (TUPRS), while offering limited or even negative impact in others, such as defense (ASELS). Surprisingly, steel producer EREGL showed only modest gains despite expectations of higher sensitivity. Overall, the study shows that the influence of sustainability metrics on financial forecasting varies by sector. It underscores the importance of tailoring input features to fit the unique dynamics of each industry.
Keywords
