FİNANSAL PERFORMANS TAHMİNİNDE PROPHET MODELİ: İMALAT SEKTÖRÜ UYGULAMASI

Creative Commons License

Yurttabir A., Kıymetli Şen İ.

Journal of Economics Finance and Accounting, cilt.8, sa.4, ss.160-166, 2021 (Hakemli Dergi)

Özet

Amaç- Büyük veriyi işleme noktasında şirketler klasik istatistik yöntemlerinden daha hızlı sonuca ulaşabilecekleri yapay zeka yöntemlerini tercih etmeye başlamışlardır. Bu nedenle son yıllarda yapay zeka yöntemleriyle finansal performans tahmini çalışmaları da giderek artmaktadır. Farklı zaman serisi modelleri ile finansal performans tahmini çalışmaları olmasına rağmen Facebook Prophet modeli ile yapılan çalışmaya literatürde rastlanmadığından alandaki boşluğa katkı sağlanması amaçlanmaktadır.

Yöntem- BIST İmalat Sektöründe yer alan 173 şirketin Kamuyu Aydınlatma Platformu veri tabanından elde edilen 2009-2020 yılları arasındaki verileri, net dönem kar/zararı hedef değişken olarak seçilerek yapay öğrenme modeli Prophet ile Python programı üzerinde çalışarak finansal performans tahmini yapılmıştır.

Bulgular- Veri setindeki 46 dönem eğitildikten sonra son 2 döneminin tahminine ait MSE değerleri 0,0185 ile 25,0147 arasında, RMSE değerleri 0,1361 ile 5,0015 ve MAPE değerleri ise 0,1002 ile 4,6634 aralığında ölçülmüştür. Sıfıra yakın değerler yanında sıfırdan uzaklaşan değerler de bulunmaktadır. Bu da başarılı tahminlerin yanında başarısız tahminlerin de olduğunu göstermektedir.

Sonuç- Prophet yönteminin çok fazla çaba harcamayı gerektirmeden şirketlere zaman kazandıracağı söylenebilir. Doğruluğu ve performansı daha da geliştirmek için birden fazla modelin güçlü yönlerinden yararlanarak karma bir yapay zeka modeli oluşturmak sonraki çalışmalar için önerilmektedir.

Purpose- Through processing big data, companies have started to prefer artificial intelligence methods that can reach results faster than classical statistical methods. For this reason, financial performance forecasting studies with artificial intelligence methods have been increasing in recent years. The purpose of this study is to contribute to the gap in the field of financial performance forecasting with the Facebook Prophet model which has not been applied before although there are other time series models in the literature.

Methodology- The study employs Facebook Prophet artificial learning model by choosing the net profit/loss as target variable for financial performance forecasting on Python program with the data of 173 companies in the BIST Manufacturing Sector between 2009 and 2020, obtained from the Public Disclosure Platform.

Findings- After training the 46 periods of the data set, performance matrices of MSE, RMSE and MAPE were measured for the last 2 periods as MSE values between 0.0185 and 25.0147, RMSE values between 0.1361 and 5.0015 and MAPE values between 0.1002 and 4.6634. In addition to values close to zero, there are also values that move away from zero. The analysis reveals that besides successful predictions, there are also unsuccessful predictions.

Conclusion- It may be concluded that the Facebook Prophet method will save companies time without requiring much effort. To further improve accuracy and performance, creating a mixed artificial intelligence model by leveraging the strengths of multiple models is recommended for further studies.