Rusya-Ukrayna Savaşının Borsa İstanbul’daki Orman, Kağıt ve Basım Sektörüne Etkisinin Makine Öğrenmesi Modelleri ile Analizi
Öz
Türkiye’nin orman ürünleri konusunda ithalat alanında önde gelen ülkelerinden olan Rusya ve Ukrayna arasında Şubat 2022 tarihinden itibaren savaş başlamıştır. Bu savaşın etkisiyle ülkeler arasındaki ticaret kanallarında yaşanan aksaklıklar nedeniyle ithal edilen orman ürünlerinin fiyatlarında öngörülemeyen dalgalanmalar gözlemlenmiştir. Borsa İstanbul (BIST)’da işlem gören orman, kağıt ve basım sektörlerindeki firmaların endekslerinde benzer değişimlerin etkin olacağı düşünülmektedir. Bu amaç doğrultusunda, literatürde ilk olarak BIST’deki orman, kağıt ve basım sektörlerinde faaliyet gösteren 17 adet firmanın endekslerinin Rusya-Ukrayna savaş döneminden başlamak üzere 2022-2026 tarihleri dönemini kapsayacak verilere odaklanılmıştır. Bu verilerin modellenmesi ve gelecek tahmini CatBoost, GBM, LightGBM, Prophet, TabPFN ve XGBoost makine öğrenmesi algoritmaları ile karşılaştırmalı olarak analiz edilmiştir. Bulgular sonucunda, GBM modelinin verilerin modellenmesi ve Prophet modelinin ise gelecek tahmini performansı konusunda diğer modellere kıyasla daha etkin olduğu görülmüştür.
Anahtar Kelimeler
BIST, Makine öğrenmesi, Orman kağıt ve basım endeksi, Rusya-Ukrayna Savaşı
Destekleyen Kurum
Bu araştırma için herhangi bir dış finansman alınmamıştır.
Etik Beyan
Bu çalışma insan veya hayvan katılımcıları içermemektedir. Tüm prosedürler bilimsel ve etik ilkelere uygun olarak gerçekleştirilmiş olup, atıfta bulunulan tüm çalışmalar uygun şekilde kaynak gösterilmiştir.
Teşekkür
Yazarlar herhangi bir kişi veya kuruma teşekkür etmek istememektedir.
Kaynakça
- Alkanalka, M., Önder, E., & Bolgün, E. (2022). Rusya-Ukrayna savaşı. Ülke Politikaları Vakfı. https://upv.org.tr/wp-content/uploads/2025/01/Rusya-Ukrayna-Savasi.pdf
- Akyüz, İ., Polat, K., Bardak, S., & Ersen, N. (2024). Prediction of values of Borsa Istanbul forest, paper, and printing index using machine learning methods. BioResources, 19(3), 5141–5157. https://doi.org/10.15376/biores.19.3.5141-5157
- Arslan, B. (2024). Rusya-Ukrayna Savaşı’nın Türkiye-Rusya dış ticaretine etkileri. Lapseki Meslek Yüksekokulu Uygulamalı Araştırmalar Dergisi, 5(10), 1–6. https://izlik.org/JA84DB47GH
- Aydın, S., & Çalı, M. S. (2025). Kâğıt ve kâğıt ürünleri basım sektörü finansal analizi. In Y. Kılıç, M. F. Buğan, & A. Bayrakdaroğlu (Eds.), Borsa İstanbul’da Finansal Analiz Uygulamaları: Sektörler Bazında İncelemeler III. Özgür Yayınları. https://doi.org/10.58830/ozgur.pub1060.c4190
- Bardak, S., Ersen, N., Polat, K., & Akyüz, K. C. (2024). Makine öğrenmesi yöntemleri ile hisse senedi fiyat tahmini: Kâğıt firması örneği. Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, 25(2), 47–58. https://doi.org/10.17474/artvinofd.1500569
- Belen, İ., Karayılmazlar, S., Topçu, P., & İritaş, Ö. (2020). Türkiye kâğıt ve kâğıt ürünleri sektöründe odun kullanımı. Journal of Bartın Faculty of Forestry, 22(3), 910–918. https://doi.org/10.24011/barofd.741899
- Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 785–794). Association for Computing Machinery. https://doi.org/10.1145/2939672.2939785
- Çanakçıoğlu, M., & Küçükönder, H. (2025). Borsa İstanbul’daki kâğıt ve kâğıt ürünleri basım sektöründe faaliyet gösteren firmaların CRITIC ve AROMAN yöntemleri ile finansal performanslarının değerlendirilmesi. Bartın Orman Fakültesi Dergisi, 27(3), 490-510. https://doi.org/10.24011/barofd.1716258
- Dorogush, A. V., Ershov, V., & Gulin, A. (2018). CatBoost: Gradient boosting with categorical features support. arXiv preprint arXiv:1810.11363. https://doi.org/10.48550/arXiv.1810.11363
- Ersen, N., Akyüz, K. C., & Akyüz, İ. (2024). Covid-19’un çalışma sermayesi yönetim etkinliğine etkisi: Bist orman ürünleri, mobilya, kâğıt ve basım işletmeleri üzerine bir araştırma. Türkiye Sosyal Araştırmalar Dergisi, 28(2), 376-388. https://doi.org/10.20296/tsadergisi.1420117