BIST Kurumsal Yönetim Endeksinin Facebook Prophet Analizi Yöntemi ile Fiyat Tahmini

Yıl 2022, Sayı: 117, 215 - 232, 27.04.2022

Güzhan Gülay , Veclal Gündüz , Erdem Öncü , Hüseyin Karşılı

https://doi.org/10.33203/mfy.1081901

Öz

Kurumsal yönetimin temelinde hissedarların servetini maksimize etmeyi temel amaç olarak gören çeşitli finansal politikalar bulunmaktadır. Kurumsal yönetim son yıllarda multidisipliner olarak çalışılan bir konu haline gelmiştir. Türk Sermaye Piyasalarında ise Borsa İstanbul (BİST) bünyesinde, kurumsal yönetim verileri kapsamında belirlenen kriterlere göre seçilmiş şirketlerin piyasa fiyatları ile hesaplanmakta olan Kurumsal Yönetim Endeksi (XKURY) kurumsal yönetim kriterlerinin şirketler üzerindeki etkisini en iyi gözlemlendiği araç olarak büyük önem taşımaktadır. Bu endeksin ve dolayısıyla kurumsal yönetim kriterlerinin etkinliğini test edilmesi amaçlanan bu çalışmada, yeni ve iddialı bir analiz metodu olan Facebook Prophet Analizi (FPA) kullanılmış ve endeksin 01.03.2019 ile 30.11.2021 tarihleri arasındaki günlük değerleri kullanılarak endeksin 2022 yılı için değer tahminleri gerçekleştirilmiştir. Elde edilen sonuçlar endeksin 2022 yılının ilk yarısına önce yükselişle başlayacağını, ilk çeyreğin ardından ise düşüş trendine girerek yılbaşındaki değerinin altına ilerleyeceğini göstermektedir. Ancak yılın ikinci yarısından itibaren sürekli bir yükseliş trendine girerek 2022 yılını bir önceki yıla benzer bir trend modeli ile artışla kapatacağı gözlemlenmektedir. Kullanılan FPA metodunun tutarlığı Mean Absolute Percent Error (MAPE) metodu ile ölçülmüş ve analizlerde elde edilen düşük oranlar FPA metodu ile elde edilen sonuçların tutarlı olduğunu göstermiştir. Tutarlılık konusunda yapılan bir başka analizde ise BİST tarafından hesaplanan ve XKURY Endeksi ile yüksek bir korelasyona sahip olan BIST 30 Endeksi aynı metotlar kullanılarak analiz edilmiş, bu analizlerde elde edilen sonuçlar da FPA sonuçlarının tutarlı olduğunu teyit etmiştir.

Anahtar Kelimeler

Kurumsal Yönetim, Facebook Prophet Analizi, Fiyat Tahmini

BIST Corporate Governance Index Price Prediction with a Facebook Prophet Analysis Method

Öz

At the core of corporate governance are various financial policies that consider maximizing the wealth of shareholders as the main objective. Corporate governance has become a multidisciplinary subject in recent years. In Turkish Capital Markets the Corporate Governance Index (XKURY), which is calculated with the market prices of the companies selected according to the criteria determined within the scope of corporate governance data within the body of Borsa Istanbul (BIST), is of great importance as the tool in which the effect of corporate governance criteria on companies is best observed. In this study, which aims to test the effectiveness of this index and therefore the corporate governance criteria, Facebook Prophet Analysis (FPA), a new and ambitious analysis method, was used and the value estimates of the index for the year 2022 were made using the daily values of the index between 01.03.2019 and 30.11.2021. The results show that the index will start with an upward trend in the first half of 2022, and after the first quarter, it will enter a downward trend and move below its value at the beginning of the year. However, it is observed that it will enter a continuous upward trend from the second half of the year and close the year 2022 with an increase in a trend pattern similar to the previous year. The consistency of the FPA method used was measured by the Mean Absolute Percent Error (MAPE) method and the low rates obtained showed that the results of FPA method were consistent. In another analysis on consistency, the BIST 30 Index, which is calculated by BIST and has a high correlation with the XKURY Index, was analyzed using the same methods, and the results obtained in these analyzes confirmed that the FPA results were consistent.

Anahtar Kelimeler

Corporate Governance, Facebook Prophet Analysis, Price Forecasting

Kaynakça

• Arslankaya, S., & Toprak, Ş. (2021). Makine Öğrenmesi ve Derin Öğrenme Algoritmalarını Kullanarak Hisse Senedi Fiyat Tahmini. International Journal of Engineering Research and Development, 13(1), 178-192.
• Ayvaz, Ö. (2006). Döviz kuru ve hisse senetleri fiyatlari arasindaki nedensellik ilişkisi. Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 8(2), 1-14.
• Bağci, B. (2020). Finansal Yatırım Araçları Fiyatlarının Tahmininde Gri Sistem Teorisi. Third Sector Social Economic Review, 55(1), 441-457.
• Baş, M., & Uygun, H. (2020). Kurumsal Yönetim Uygulamalarının Denetim Kalitesi Üzerine Etkisinin Lojistik Regresyon Analizi ile İncelenmesi: BİST-100 uygulaması. Turkish Studies-Economy, 15(1), 111-125.
• Borsa İstanbul, https://www.borsaistanbul.com/en/sayfa/2202/corporate-governance-index
• Botero-Pinzón, L.-D., Casillas, J.C. and Valencia-Cárdenas, M. (2019), "The international profile of the firm: Application of latent profile analysis to the case of Colombia", Academia Revista Latinoamericana de Administración, Vol. 32 No. 3, pp. 392-410.
• Çalışkan, M.M.T. (2010). Black Lıtterman Modeliyle Portföy Optimizasyonu: İstanbul Menkul Kıymetler Borsasında Markowıtz Ortalama Varyans Modeliyle Karşılaştırmalı Portföy Optimizasyonu Uygulaması, (Basılmamış Doktora Tezi), Kocaeli Üniversitesi.
• Chen, S. M. (1996). Forecasting enrollments based on fuzzy time series. Fuzzy sets and systems, 81(3), 311-319.
• Chen, T. L., Cheng, C. H., & Teoh, H. J. (2007). Fuzzy time-series based on Fibonacci sequence for stock price forecasting. Physica A: Statistical Mechanics and its Applications, 380, 377-390.
• Da Silva, A. L. C., & Leal, R. P. C. (2005). Corporate governance index, firm valuation and performance in Brazil. Revista Brasileira de Finanças, 3(1), 1-18.
• Erbaykal, E., & Okuyan, H. A. (2007). Hisse senedi fiyatları ile döviz kuru ilişkisi: Gelişmekte olan ülkeler üzerine ampirik bir uygulama. BDDK Bankacılık ve Finansal Piyasalar Dergisi, 1(1), 77-89.
• Ergeç, Funda. 1996. Markov Analizi ile Hisse Senedi Fiyatının Tahmin Edilmesi. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 25 (2): 123-151.
• Frezatti, F. (2007), "The “economic paradigm” in management accounting: Return on equity and the use of various management accounting artifacts in a Brazilian context", Managerial Auditing Journal, Vol. 22 No. 5, pp. 514-532. G20/OECD Principles of Corporate Governance,
• Garlapati, A., Krishna, D. R., Garlapati, K., Rahul, U., & Narayanan, G. (2021). Stock Price Prediction Using Facebook Prophet and Arima Models. In 2021 6th International Conference for Convergence in Technology (I2CT) (pp. 1-7). IEEE.
• Gündüz, V., (2021). “Yeşil Bankacılık” Yeşil Yönetim. Nobel Akademik Yayıncılık, ISBN: 978-625-439-781-3
• Güleryüz, D., & Özden, E. (2020). The Prediction of Brent Crude Oil Trend Using LSTM and Facebook Prophet. Avrupa Bilim ve Teknoloji Dergisi, (20), 1-9.
• İlarslan, K. (2014). Hisse senedi fiyat hareketlerinin tahmin edilmesinde Markov zincirlerinin kullanılması: İMKB 10 bankacılık endeksi işletmeleri üzerine ampirik bir çalışma. Journal of Yaşar University, 9(35), 6158-6198.
• Kiaee, H. and Soleimani, M. (2019), "The Interaction between Sukuk Issuance and Corporate Governance: Case Study of Iranian Sukuk Issuer Companies", Azid, T., Alnodel, A.A. and Qureshi, M.A. (Ed.) Research in Corporate and Shari’ah Governance in the Muslim World: Theory and Practice, Emerald Publishing Limited, Bingley, pp. 315-330.
• Li, X., H. Xie, R. Wang, Y. Cai, J. Cao, F. Wang, H. Min, & X. Deng. (2016), Empirical Analysis: Stock Market Prediction via Extreme Learning Machine, Neural Computing & Applications, 27, 67-78.
• Önal, Y. B., Doğanlar, M., & Canbaş, S. (2002). Döviz kuru riskinin özel türk bankalarının hisse senedi fiyatlarına etkisinin araştırılması. İMKB Dergisi, 6(22), 17-33.
• Oncu, E. (2021). Non Fungible Token Piyasa Hacminin Tahmin Edilmesi: Facebook Prophet Analizi. AL Farabi 10th International Conference on Social Sciences, 542-548.
• Özçalıcı, M. (2016), Hisse Senetlerinin Doğru Tahmin Oranları ile Kümelendirilmesi, Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 38(1), 279-293.
• Özcan, M. (2021). Sosyal Medya Platformlarının Hisse Senedi Piyasalarına Etkisi: BIST30 Örneği. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 12(1), 160-172.
• Özen, N. S., Saraç, S., & Koyuncu, M. (2021). Covid-19 Vakalarının Makine Öğrenmesi Algoritmaları ile Tahmini: Amerika Birleşik Devletleri Örneği. Avrupa Bilim ve Teknoloji Dergisi, (22), 134-139.
• Sevli, O., & Gülsoy, V. G. B. (2020). Covid-19 Salgınına Yönelik Zaman Serisi Verileri ile Prophet Model Kullanarak Makine Öğrenmesi Temelli Vaka Tahminlemesi. Avrupa Bilim ve Teknoloji Dergisi, (19), 827-835.
• Somuncu, K., & Böyükaslan, A. (2021). Optimal Portföy Seçiminde Kullanılan Parametrelerin Hatalı Tahmininin Hazır Değerler ile Test Edilmesi: BIST-100 Endeksinden Bulgular. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 23(3), 942-957.
• Swamidass, P. M. (Ed.). (2000). Encyclopedia of Production And Manufacturing Management. Springer Science & Business Media.
• Toharudin, T., Pontoh, R. S., Caraka, R. E., Zahroh, S., Lee, Y., & Chen, R. C. (2020). Employing Long Short-term Memory and Facebook Prophet Model in air temperature forecasting. Communications in Statistics-Simulation and Computation, 1-24.
• Tsai, C. F., & Wang, S. P. (2009). Stock Price Forecasting by Hybrid Machine Learning Techniques, In Proceedings of the International MultiConference of Engineers and Computer Scientists, Vol. 1, No. 755: 60-66.
• Usher, J., & Dondio, P. (2020). BREXIT Election: Forecasting a Conservative Party Victory through the Pound using ARIMA and Facebook's Prophet. In Proceedings of the 10th International Conference on Web Intelligence, Mining and Semantics (pp. 123-128).
• Yang, J. W., & Parwada, J. (2012). Predicting stock price movements: an ordered probit analysis on the Australian Securities Exchange. Quantitative Finance, 12(5), 791-804.
• Yu, H. K. (2005). Weighted fuzzy time series models for TAIEX forecasting. Physica A: Statistical Mechanics and its Applications, 349(3-4), 609-624.